神经网络一览
- Perceptron(P)：感知器，一种用于二进制分类器监督学习的算法
- Feed Forward(FF)：前馈神经网络
- Radial Basis Function Network(RBF)：径向基函数网络，是用于函数逼近问题的一种常用的人工神经网络
- Deep Feed Forward(DFF)：深度前馈神经网络
- Recurrent Neural Network(RNN)：递归神经网络
- Long/Short Term Memory(LSTM)：长短期记忆，是一种用于深度学习领域的人工递归神经网络（RNN）架构
- Gated Recurrent Unit(GRU)：门控递归单元，是递归神经网络（RNN）的门控机制
- Auto Encoder(AE)：自动编码器，是一种类型的人工神经网络用于学习高效的数据值编码以无监督方式，通过训练网络忽略信号“噪声”来学习一组数据的表示（编码），通常用于降维。
- Variational AE(VAE)：可变自动编码器
- Denoising AE(DAE)：去噪自动编码器
- Spare AE(SAE)：稀疏自动编码器
- Markov Chain(MC)：马尔可夫链，是描述一系列可能事件的随机模型，其中每个事件的概率仅取决于先前事件中达到的状态。
- Hopfield Network(HN)：霍普菲尔德网络，是约翰·霍普菲尔德（John Hopfield）于1982年普及的一种形式的递归人工神经网络，用作具有二进制阈值节点的内容可寻址存储系统。
- Boltzmann Machine(BM)：玻尔兹曼机，是一种随机的递归神经网络，是一个马尔可夫随机场，用于认知科学。
- Restricted BM(RBM)：受限玻尔兹曼机
- Deep Belief Network(DBN)：深度信念网络，是一个生成的图形模型，或者是一类深度神经网络，由多层潜变量组成，各层之间存在连接，但每一层中的单元之间没有连接。
- Deep Convolutional Network(DCN)：卷积神经网络，是一类深度神经网络，最常用于分析视觉图像。
- Deconvolutional Network(DN)：反卷积神经网络，其性质与反向运行的CNN非常相似，是人工智能的独特应用。
- Deep Convolutional Inverse Graphics Network(DC-IGN)：深度卷积逆图形网络，由多层卷积和反卷积算子组成，并使用随机梯度变化贝叶斯（SGVB）算法进行训练，旨在将图形表示与图像相关联。
- Generative Adversarial Network(GAN)：生成对抗网络
- Liquid State Machine(LSM)：液体状态机
- Extreme Learning Machine(ELM)：极限学习机
- Echo State Network(ESN)：回声状态网
- Deep Residual Network(DRN)：深度残留网络
- Kohonen Network(KN)：Kohonen神经网络
- Support Vector Machine(SVM)：支持向量机
- Neural Turing Machine(NTM)：神经图灵机
（R）数据可视化工具 - ggplot2
ggplot2是一个基于“图形语法”的声明式创建图形的系统。您提供了数据，告诉ggplot2如何将变量映射到美观，使用哪些图形基元，以及如何处理细节。
https://ggplot2.tidyverse.org/
（Python）神经网络 API 接口 - Keras
Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。
https://keras.io/zh/
（Python）数据分析处理工具 - pandas
pandas是一种快速，强大，灵活且易于使用的开源数据分析和处理工具，它 建立在Python编程语言之上。
https://pandas.pydata.org/
（Python）数据分析引擎 - PySpark
Apache Spark™是用于大规模数据处理的统一分析引擎，使用最新的DAG调度程序，查询优化器和物理执行引擎，可实现批处理和流数据的高性能，可在Hadoop，Apache Mesos，Kubernetes，独立或云中运行。它可以访问各种数据源。
https://spark.apache.org/
（R）数据处理工具 - dplyr 和 tidyr
dplyr是一个软件包，用于通过使用一组有限的函数使表格数据的整理变得更加容易，这些函数可以组合使用以从数据中提取和总结见解。它与之完美匹配tidyr，使您能够在不同的数据格式（长或宽）之间快速转换以进行绘图和分析。
https://datacarpentry.org/r-socialsci/03-dplyr-tidyr/index.html
（Python）数据可视化工具 - Matplotlib
Matplotlib是一个综合库，用于在Python中创建静态，动画和交互式可视化。
https://matplotlib.org/
（Python）数据计算工具 - Numpy
NumPy是Python中科学计算的基本软件包。它是一个Python库，提供多维数组对象，各种派生对象（例如蒙版数组和矩阵）以及各种例程，用于对数组进行快速操作，包括数学，逻辑，形状处理，排序，选择，I / O ，离散傅立叶变换，基本线性代数，基本统计运算，随机模拟等等。
https://numpy.org/
（Python）多种语言在线学习、调试的超级笔记本
Jupyter支持数十种语言的执行环境。Jupyter项目的名称是对Jupyter支持的三种核心编程语言的引用，分别是Julia，Python和R以及向伽利略的笔记本致敬，这些笔记本记录了木星卫星的发现。
https://jupyter.org/
（Python）机器学习库 - Scikit-learn
Scikit-learn是一个开源的机器学习库，它支持有监督和无监督的学习。它还提供了用于模型拟合，数据预处理，模型选择和评估以及许多其他实用程序的各种工具。
https://scikit-learn.org/
Scikit-Learn
（Python）科学计算库 - SciPy
SciPy（发音为“ Sigh Pie”）是基于Python的开放源代码软件生态系统，用于数学，科学和工程。NumPy、Matplotlib、Pandas 是其子项目库。
SciPy 线性代数 篇
注：图片收集自网络，部分来自数据科学的在线学习平台 DataCamp。
