本篇为深度学习系列教程的引言，以房价预测为例，讲解神经网络(Neural Network)模型结构和基础知识，并介绍针对监督学习的几类典型神经网络：Standard NN，CNN和RNN等知识

KNN算法（K近邻算法）是一种很朴实的机器学习方法，既可以做分类，也可以做回归。本文详细讲解KNN算法相关的知识，包括：核心思想、算法步骤、核心要素、缺点与改进等。

本文介绍GloVe词向量、词向量内部与外部评估方法、类比任务中的词向量训练超参数影响、相关度评估任务中词向量与人工表现差异、基于上下文处理一词多义问题和窗分类。

三款Stable Diffusion模型工具：Tensorflow / Keras移植版、Dream Textures 根据文本创建纹理背景、CHARL-E M1 Mac 版一键式安装；Scikit-decide 强化学习与自动调度工具库、streamlit-stt-app 实时语音转文字工具库、Python3面试准备与速查表、Visual Diffusion Models（视觉扩散模型）资源列表

本篇讲解使用自动化特征工程工具Featuretools，对数据进行自动化特征工程的方法，并借助于BigMart Sales数据集来演示自动化特征工程的相关应用。

SVM是机器学习领域非常知名的模型。本文讲解SVM的最大间隔分类器、模型原理、核函数与核技巧等重要知识点，并附上线性核函数、多项式核函数和高斯核函数的Python代码实践。

在AI场景下，我们同样需要定量的数值化指标，来指导我们更好地应用模型对数据进行学习和建模。本文讲解模型评估的一般流程，以及分类评估指标、回归评估指标的计算方式和适用场景。

决策树是机器学习中一种经典的分类与回归算法。本文讲解用于分类的决策树，包括算法核心思想、算法过程、最优划分、属性选择、过拟合与连续值处理、缺失值处理等重要知识点。

朴素贝叶斯是一个非常直观的模型。本文讲解朴素贝叶斯算法的核心思想、贝叶斯公式、条件独立假设、平滑出等重要知识点，并图解多项式贝叶斯和伯努利贝叶斯等多种形态。

本节介绍目标检测，是计算机视觉中最典型的应用之一，主要内容包括：目标定位，特征点检测，目标检测，边框预测，非极大值抑制，YOLO，RCNN等。