对于初学者来讲，入门机器学习和深度学习非常困难；同时深度学习库也难以理解。通过收集多方资源，我在 Github 上创建了一个速查表库，希望能对你有所帮助。欢迎访问这个库，并完善它（如果你也有速查表）。

项目地址： kailashahirwar/cheatsheets-ai

1.Keras

Keras 是一个非常强大且容易上手的深度学习库；当 Keras 接入 Theano 和 TensorFlow 时，后两者可提供高水平的神经网络 API 以开发和评估深度学习模型。该速查表可用于 Python 数据科学和机器学习。

2. Numpy

Numpy 库是 Python 中科学性计算的核心库，它提供高性能、多维度的数组对象，以及对这些数组进行运算的工具。该速查表可用于 Python 数据科学和机器学习。

3. Pandas

这张 Pandas 速查表主要用于数据整理（data wrangling）。

Pandas 库构建在 NumPy 上，并为 Python 编程语言提供易于上手的数据结构和数据分析工具。该速查表可用于 Python 数据科学和机器学习。

4. SciPy

SciPy 库是科学性计算的核心包之一，科学性计算可提供数学算法和构建在 Python 的 NumPy 扩展上的便捷函数 (Convenience Functions) ；该表中还包括线性代数的部分。该速查表可用于 Python 数据科学和机器学习。

5. Matplotlib

Matplotlib 是一个 Python 2D 绘图库，它在平台上以多种硬拷贝格式和交互环境生成发表品质的图。该速查表用于 Python 数据科学。

6. Scikit-learn

Scikit-learn 是一个开源 Python 库，通过统一接口实现一系列的机器学习、预处理、交叉验证和视觉化算法。该速查表可用于 Python 数据科学和机器学习。

7. Neural Networks Zoo（神经网络大全）

该速查表几乎涵盖了所有类型的神经网络。

8. ggplot2

ggplot2 基于图形语法，其思想是你可以利用相同的几个组件构建所有的图形：一个数据集、一个几何集（表征数据点的视觉化标记）和一个协作系统。该速查表用于数据可视化。