机器学习算法 第2版 (影印版)

本书主要面向机器学习领域的研究与开发人员，采用原理结合实战的方式，介绍OpenCV 4的机器学习算法模块与深度神经网络模块中的核心算法原理与C++编程实战。全书共10章，第1～3章，介绍OpenCV 4的基础知识、基本图像操作和机器学习基础知识；第4～8章，介绍K-means、KNN、决策树、随机森林、Boosting算法和支持向量机等机器学习算法与编程实战：第9～10章，介绍神经网络与深度神经网络的基本原理与编程实战，并提供了多种类型的深度学习模型的部署示例代码。 本书基本聚焦于机器学习在计算机视觉领域的应用，既可以作为相关专业学生的教材，也可以作为研究人员或工程技术人员的参考资料。

机器学习回归实践初体验

ml-system-design-pattern机器学习的系统设计模式

机器学习模型不能给出准确结果的原因有很多。从设计的角度来审视这些系统，我们能够深入理解其底层算法和可用的优化方法。本书为我们提供了机器学习设计过程的坚实基础，能够使我们为特定问题建立起定制的机器学习模型。我们可能已经了解或使用过一些为解决常见问题的商用机器学习模型，例如垃圾邮件检测或电影分级，但是要着手于解决更为复杂的问题，则其重点是让这些模型适用于我们自己特定的需求。

机器学习线性代数基础：Python语言描述》的优势：本书以机器学习涉及的线性代数核心知识为重点，进行新的尝试和突破：从坐标与变换、空间与映射、近似与拟合、相似与特征、降维与压缩这5个维度，环环相扣地展开线性代数与机器学习算法紧密结合的核心内容。

基于机器学习的基数估计技术综述_岳文静

人工智能深度学习 视频

Redis Cluster集群模式学习

人工智能 深度学习必修课：进击算法工程师 视频