太强了！斯坦福大学吴恩达教授机器学习深度学习速查表

吴恩达教授在2012年推出的『机器学习』课程已经收获了超过 480 万学习者。2022年课程团队对其进行更新升级，广泛地介绍了现代机器学习，以及硅谷用于人工智能和机器学习创新的一些最佳实践（评估和调整模型，采用以数据为中心的方法来提高性能等）。

吴恩达机器学习与深度学习速查表是一份由著名人工智能专家吴恩达（Andrew Ng）及其团队编制的参考资料。这份速查表旨在为机器学习和深度学习领域的学习者及从业者提供一个简洁、全面的知识总结。它以图表或者清单的形式，概括了这两个领域中的关键概念、算法、技术术语以及实用技巧，帮助用户快速回顾和查阅重要信息。

速查表覆盖以下内容：
1. 基础知识：包括机器学习的基本定义、类型（监督学习、无监督学习、强化学习等）、模型评估指标（准确率、召回率、F1分数等）以及常用的概率论和统计学概念。
2. 常用算法：对各种经典及现代机器学习算法进行概述，如线性回归、逻辑回归、支持向量机(SVM)、决策树、随机森林、神经网络、卷积神经网络(CNN)、循环神经网络(RNN)、长短时记忆网络(LSTM)、生成对抗网络(GAN)等，包括它们的原理、适用场景及优缺点。
3. 深度学习核心技术：介绍深度学习中的关键组件和技术，比如激活函数（ReLU、sigmoid、tanh等）、损失函数（交叉熵、均方误差等）、优化算法（梯度下降、Adam、RMSprop等）、正则化方法（L1、L2、dropout）以及如何处理过拟合和欠拟合问题。
4. 数据预处理与特征工程：涵盖数据清洗、标准化、归一化、特征选择、特征缩放等重要步骤。
5. 模型评估与选择：说明如何分割数据集、执行交叉验证、调整超参数以及使用学习曲线等方法来评估和优化模型性能。
6. 实战技巧与最佳实践：提供在实际项目中应用机器学习和深度学习时的一些实用建议，比如如何选择合适的框架（TensorFlow、PyTorch等）、如何管理计算资源、监控训练过程以及模型部署策略等。
这份速查表因其内容的系统性和实用性，成为了许多人在学习和工作中不可或缺的辅助工具，尤其适合于复习准备考试、项目开发快速查询或是作为日常工作的参考指南。