评论
由 Aaron Wang，麻省理工学院商业分析硕士 | 数据科学。
这个数据科学备忘单涵盖了一个学期的初级机器学习内容，基于麻省理工学院的机器学习课程 6.867 和 15.072。你应该至少具备基本的统计学和线性代数知识，尽管初学者仍然会发现这个资源有用。
1. 谷歌网络安全证书 - 快速进入网络安全职业轨道。
2. 谷歌数据分析专业证书 - 提升您的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持您的组织进行 IT 工作
灵感来源于 Maverick 的 数据科学备忘单（因此名字中有 2.0），可以在 这里 找到。
涵盖的主题：
-
线性和逻辑回归
-
决策树和随机森林
-
支持向量机
-
K-最近邻
-
聚类
-
提升
-
降维（PCA、LDA、因子分析）
-
自然语言处理
-
神经网络
-
推荐系统
-
强化学习
-
异常检测
-
时间序列
-
A/B 测试
这个备忘单将不定期更新新的改进信息，因此考虑在 GitHub 仓库 上关注或加星，以保持最新状态。
未来的补充（欢迎提供想法）：
-
数据插补
-
生成对抗网络
我计划让这个资源主要涵盖算法、模型和概念，因为这些内容变化不大且在各个行业中都很常见。技术语言和数据结构通常因工作职能而异，刷新这些技能可能在键盘上更有意义，而不是纸上。
欢迎在课堂、复习课中分享这个资源，或者分享给任何可能觉得有用的人 :)
本作品采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可
图像用于教育目的，由我创建，或借自我的同事 这里。
原始。经许可转载。
简介： 亚伦·王 目前在 MIT 攻读商业分析硕士学位，专注于商业与数据科学的交叉点。亚伦对 AI/ML 在技术领域的未来充满热情，愿意聊聊相关机会。
相关：