16 unverzichtbare Machine-Learning-Cheatsheets für Data Scientists

Machine Learning, wie wir alle wissen, gibt Computern die Fähigkeit zu lernen, sich anzupassen und Entscheidungen zu treffen, ohne explizit programmiert zu sein. Der Machine-Learning-Prozess ähnelt Data Mining und hat sich aus der Untersuchung von Mustererkennung und computergestützter Lerntheorie in der KI entwickelt.

Machine-Learning-Algorithmen lassen sich in überwachte und unüberwachte kategorisieren. Überwachte Algorithmen wenden an, was in der Vergangenheit gelernt wurde, auf neue Daten an; unüberwachte ziehen Schlussfolgerungen aus Datensätzen.

Beispiel: Facebooks News Feed nutzt Machine Learning, um jeden User-Feed anzupassen. Wenn ein Nutzer regelmäßig anhält, um einen bestimmten Freundes Post zu lesen, liken oder teilen, zeigt der News Feed künftig mehr von diesem Freund früher im Feed. Im Backend nutzt das Programm statistische und prädiktive Analyse, um Muster in Nutzerdaten zu erkennen. Hört der Nutzer auf, bei diesem Freund anzuhalten, werden neue Datensätze einbezogen und der Feed passt sich an.

Wir haben eine Liste nützlicher Machine-Learning-Cheatsheets zusammengestellt, die Ihnen helfen, Einblicke in künstliche Intelligenz zu gewinnen.

16. Scikit-Learn Algorithm Cheat Sheet

Oft ist der schwierigste Teil bei der Lösung eines ML-Problems die Suche nach dem optimalen Estimator. Unterschiedliche Estimatoren werden für unterschiedliche Probleme benötigt. Das Flussdiagramm gibt einen groben Leitfaden, wie man Probleme angeht hinsichtlich welcher Estimator auf Daten implementiert werden sollte.

Lesen Sie auch: 25+ kostenlose Data-Mining-Tools für bessere Analysen

15. Machine Learning Algorithmen und Befehle

Erstellt von Ajitesh Kumar, enthält dieses Sheet 10 bekannte ML-Algorithmen und zugehörige R-Befehle mit Paketinformationen. Ziel ist eine schnelle Referenzseite für Einsteiger, die an ML-Themen arbeiten.

14. Machine Learning verstehen: Für Einsteiger

Erstellt von Todd Jaquith, ist dieses Infografik perfekt für Anfänger. Es erklärt einfach, was ML ist, die Geschichte, Implementierung, Ansätze und Anwendungen.

13. Machine Learning Algorithmen Mindmap

Der Einstieg in ML kann ermüdend sein und die Suche nach dem richtigen Algorithmus oder der Technik trügerisch. Diese Mindmap gibt eine Baseline zur Auswahl des richtigen ML-Algorithmus für Ihre Anforderungen.

12. Python und R Codes

Sammlung der 10 häufigsten ML-Algorithmen mit Codes in Python und R. Beide Sprachen erleichtern die Aufgabe mehr, als viele denken, da beide mit verschiedenen Built-in und erweiterten Supports durch Datasets, Libraries und andere Ressourcen kommen.

Lesen Sie auch: 25 nützliche Python-Frameworks für Entwickler

11. Cheat Sheet for Dummies

Das Cheat Sheet hat zwei Teile, beide in Tabellenstruktur. Der erste gibt einen schnellen Überblick über Schwächen und Stärken verschiedener ML-Algorithmen. Die zweite Tabelle listet Libraries für Python und R. Wenn Sie einen Algorithmus-bezogenen Task implementieren wollen, laden Sie einfach die benötigte Library in Ihren Quellcode.

10. Machine Learning Systeme für SEO

Die UK-basierte Management- und Suchoptimierungsagentur Alchemy Viral erstellte eine detaillierte Infografik zu ML-Systemen und wie sie in SEO-Taktiken (Search Engine Optimization) einfließen.

9. Top Machine Learning Algorithmen

Um die komplexe Natur verschiedener Real-World-Datenprobleme anzugehen, wurden spezialisierte Algorithmen entwickelt, um diese in weniger Zeit mit weniger Ressourcen zu lösen. Für Einsteiger ist dies eine kurze Diskussion der Top-ML-Algorithmen, die von Data Scientists genutzt werden.

8. Algorithmus für überwachtes und unüberwachtes Lernen

Um das wichtigste Material zusammenzufassen, erstellte Emanuel Ferm ein Cheat Sheet in LaTeX. Es beinhaltet Lernen und Anwenden linearer Klassifikatoren und Clustering-Algorithmen auf kleineren Datensätzen.

7. Supervised Learning Superstitions Cheat Sheet

Erstellt von Ryan Compton, enthält mehrere gängige überwachte Lernalgorithmen. Verschiedene Methoden werden diskutiert: logistische Regression, Entscheidungsbäume, K nearest neighbors, Naive Bayes und Support Vector Machines.

6. Wie Machine Learning im Mobile Messaging funktioniert

Die Infografik von Kahuna zeigt, wie Unternehmen ML-Technologie nutzen, um bessere Kundenerfahrungen zu liefern.

5. Machine Learning: Gleichungen und Algorithmen

Ein einfaches ML-Cheat Sheet von Dr. Rico Möckel. Enthält verschiedene Gleichungen und Algorithmen mit Beschreibung.

4. Machine Learning Cheat Sheet

Ein detailliertes Cheat Sheet mit breitem Spektrum klassischer Gleichungen und Diagrammen, um Wissen zu ML schnell abzurufen. Nicht nur für Entwickler, auch hilfreich bei Job-Interviews zu KI.

3. Machine Learning in Emoji

Emily Barry mischte ML-Algorithmen mit ihrer Emoji-Liebe. Heraus kam ein umfassender, auffälliger Leitfaden zu ML, der Spaß macht zu lesen.

2. Machine Learning: Muster für Predictive Analytics

Ein weiteres hilfreiches ML-Cheat Sheet von DZone, das Predictive Analytics abdeckt, Einrichtung von Trainings- und Testdaten erklärt und ML-Modell-Snippets bietet.

1. Microsoft Azure Machine Learning

Lesen Sie auch: 18 außergewöhnliche Forschungsprojekte von Microsoft

Microsoft Azure Machine Learning hilft bei der Auswahl des geeigneten Algorithmus für ein Predictive-Analytics-Modell. Azure Studio bietet eine breite Palette an Algorithmen aus den Familien Regression, Clustering, Klassifikation und Anomalieerkennung. Jeder ist entwickelt, um unterschiedliche ML-Probleme zu adressieren.