接上一篇《數(shù)據(jù)科學(xué)必備資料 - 持續(xù)更新》，在大家有了“教科書”之后，往往工作或者學(xué)習(xí)中仍然會(huì)發(fā)現(xiàn)忘記了一些函數(shù)或者算法的參數(shù)，這時(shí)候有一些參考手冊(cè)就能比較快的解決問題，現(xiàn)在給大家分享各種數(shù)據(jù)科學(xué)工具的參考手冊(cè)，歡迎下載（建議根據(jù)自己需求打?。?。
注：版權(quán)均非本人所有，下載使用請(qǐng)遵守版權(quán)限制。
更多信息，歡迎大家關(guān)注微信公眾號(hào)：UniDeep數(shù)據(jù)科學(xué)家
機(jī)器學(xué)習(xí)：
Microsoft Azure 機(jī)器學(xué)習(xí)參考手冊(cè)
機(jī)器學(xué)習(xí)算法描述
神經(jīng)網(wǎng)絡(luò)算法描述 1
神經(jīng)網(wǎng)絡(luò)算法描述 2
神經(jīng)網(wǎng)絡(luò)種類
大數(shù)據(jù)：
PySpark 參考
Python：
Python 基礎(chǔ)
Numpy 數(shù)據(jù)結(jié)構(gòu)
Pandas 數(shù)據(jù)處理
Pandas 數(shù)據(jù)處理 2
Pandas 基礎(chǔ)
Scipy 計(jì)算
Bokeh 數(shù)據(jù)可視化工具
Matplotlib 數(shù)據(jù)可視化工具
sklearn 算法選擇
sklearn 參考
Keras 參考
TensorFlow 參考
R：
ggplot2 數(shù)據(jù)可視化工具
ggplot 2 數(shù)據(jù)可視化工具 2
R 數(shù)據(jù)處理
R 數(shù)據(jù)處理 2
