データサイエンティスト必携：機械学習チートシート16選

機械学習の核心を素早く把握するための厳選チートシート集

ご存知の通り機械学習は、コンピュータに明示的プログラミングなしで学習・適応・意思決定能力を与えます。機械学習プロセスはデータマイニングと類似し、人工知能におけるパターン認識と計算学習理論の研究から進化しました。機械学習アルゴリズムは教師ありと教師なしに大別されます。教師ありアルゴリズムは過去の学習を新データに適用し、教師なしアルゴリズムはデータセットから推論を引き出します。例えばFacebookのニュースフィードは機械学習で各ユーザーのフィードをカスタマイズ。ユーザーが特定友人の投稿でスクロール停止し「いいね」やシェアを繰り返せば、次回からその友人の活動をフィード上位に表示。バックエンドでは統計的・予測分析でユーザーデータのパターンを特定。ユーザーが友人の投稿で停止しなくなれば、新データセットが組み込まれフィード調整されます。人工知能に関する洞察を得るため、役立つ機械学習チートシートを集めました。

16. Scikit-Learnアルゴリズムチートシート

機械学習問題解決で最も難しいのは、仕事に最適な推定器を探すことかもしれません。異なる問題には異なる推定器が必要。このフローチャートは、データにどの推定器を実装すべきか、問題へのアプローチの概略ガイドを提供します。

15. 機械学習アルゴリズムとコマンド

Ajitesh Kumar作成。10の有名機械学習アルゴリズムと関連Rコマンド、パッケージ情報を含む。機械学習関連課題に取り組む初心者向けクイックリファレンスページを目指す。

14. 機械学習理解：初心者向け

Todd Jaquith作成。初心者に最適なインフォグラフィック。機械学習とは何か、歴史、実装方法、アプローチ、応用を簡潔に説明。

13. 機械学習アルゴリズムマインドマップ

機械学習入門は骨が折れ、適切なアルゴリズム/技法探索は欺瞞的。このマインドマップで、要件に合った機械学習アルゴリズム選択の基準線を提供。

12. PythonとRコード

最も一般的な10機械学習アルゴリズムと、Python/Rでのコード集。両言語はデータセット、ライブラリ、その他リソースを通じた組み込み・拡張サポートにより、タスクを多くの人が思うより容易にします。

11. ダミー向けチートシート

2部構成、両方テーブル構造。第1部：異なる機械学習アルゴリズムの弱点と強みのクイックサマリー。第2部：PythonとRで使用されるライブラリ一覧。アルゴリズム関連タスク実装時、そのタスクに必要なライブラリをソースコードにロードするだけ。

10. SEO向け機械学習システム

英国拠点のマネジメント・検索最適化エージェンシーAlchemy Viral作成。機械学習システムとSEO（検索エンジン最適化）戦術への組み込みについて詳細インフォグラフィック。

9. トップ機械学習アルゴリズム

様々な実世界データ問題の複雑性に対処するため、専門アルゴリズムが作成され、より少ない時間・リソースで問題解決。初心者向けに、データサイエンティスト使用のトップ機械学習アルゴリズムを簡潔に議論。

8. 教師あり・教師なし学習アルゴリズム

Emanuel FermがLaTeXで作成。最重要素材を要約。線形分類器とクラスタリングアルゴリズムの小規模データセットへの学習・適用を含む。

7. 教師あり学習迷信チートシート

Ryan Compton作成。一般的な教師あり学習アルゴリズム複数含む。ロジスティック回帰、決定木、K近傍法、ナイーブベイズ、サポートベクターマシン等、様々な手法を議論。

6. モバイルメッセージングにおける機械学習の仕組み

kahuna作成インフォグラフィック。企業が機械学習技術をどう活用し、より良い顧客体験を提供するかを解説。

5. 機械学習：方程式とアルゴリズム

Dr. Rico Möckel作成シンプルチートシート。様々な方程式とアルゴリズムを説明付きで収録。

4. 機械学習チートシート

幅広い古典的方程式と図表を含む詳細チートシート。開発者のみならず、AI関連職面接準備にも便利。

3. 絵文字で機械学習

Emily Barryが機械学習アルゴリズムと絵文字愛を融合。包括的で目を引く、読んで楽しい機械学習ガイドが誕生。

2. 機械学習：予測分析パターン

Dzone提供のもう一つの有用チートシート。予測分析をカバー、訓練・テストデータセットアップ説明、機械学習モデルスニペット提供。

1. Microsoft Azure Machine Learning

Microsoft Azure Machine Learningで、予測分析モデルに適したアルゴリズム選択可能。Azure Studioには回帰、クラスタリング、分類、異常検知ファミリーから幅広いアルゴリズム搭載。各々異なる機械学習問題タイプに対応。