尽管机器学习取得了巨大的成功，但在处理不足的训练数据时也有其局限性。一个潜在的解决方案是将先验知识额外集成到训练过程中，这导致了知信机器学习（Informed Machine Learning ）的概念。

Data Preparation for Machine Learning Data Cleaning, Feature Selection, and Data Transforms in Python by Jason Brownlee 30 step-by-step lessons, 398 pages. intuitions, feature selection, scaling, more. 数据准备涉及将原始数据转换为可以使用机器学习算法进行建模的形式。 切开方程、希腊字母和混淆，并发现您需要了解的专门数据准备技术，以便充分利用下一个项目的数据。 使用清晰的解释、标准的 Python 库和分步教程课程，您将发现如何自信而有效地为计算机学习预测建模准备数据。

Deep Learning With Python Tap The Power of TensorFlow and Theano with Keras, Develop Your First Model, Achieve State-Of-The-Art Results by Jason brownlee 20 step-by-step lessons, 266 pages. 8 end-to-end projects 深度学习是目前最有趣、最有力的机器学习技术。 顶级的深度学习图书馆可在Python生态系统，如天野和滕索弗罗2。使用 Keras 在几行代码中挖掘他们的力量，Keras 是应用最好的应用深度学习库的最佳品种。 在这个巨型电子书是写在友好的机器学习掌握风格，你习惯了，学习如何开始，并应用深度学习到自己的机器学习项目。购买后，您将获得：

Probability for Machine Learning Discover How To Harness Uncertainty With Python by Jason Brownlee 28 step-by-step lessons, 312 pages. distributions, estimation, more. 概率是机器学习的基石。没有机器学习，你就无法对机器学习产生深刻的理解和应用。 切开方程、希腊字母和混淆，并发现您需要了解的概率主题。 使用清晰的解释、标准的 Python 库和分步教程课程，您将发现概率对机器学习、贝叶斯概率、熵、密度估计、最大可能性等的重要性。

Deep Learning for Time Series Forecasting Predict the Future with MLPs, CNNs and LSTMs in Python Jason Brownlee 5 25 step-by-step lessons, 575 pages. 深度学习方法为时间系列预测提供了许多希望，例如时间依赖的自动学习以及趋势和季节性等时间结构的自动处理。 在这部新的电子书写在友好的机器学习掌握风格，你习惯了，跳过数学，直接跳到获得结果。 通过明确的解释、标准的 Python 库（Keras和TensorFlow 2）以及分步教程课程，您将发现如何为自己的时间系列预测项目开发深度学习模型

Long Short-Term Memory Networks With Python Develop Deep Learning Models for your Sequence Prediction Problems by Jason Brownlee 14 step-by-step lessons, 246 pages. 6 LSTM model architectures. 长期短期记忆网络（简称 LSTM）是一种经常性神经网络，可在具有挑战性的预测问题上取得最先进的结果。 在这本以LSTM为中心的电子书中，你习惯了友好的机器学习掌握风格，最后切入了关于 LSTM 的数学、研究论文和综合描述。 使用清晰的解释，标准的Python库（Keras和TensorFlow2）和分步教程课程，您将发现什么是 LSTM，以及如何开发一套 LSTM 模型，以充分利用您的序列预测问题的方法

Master Machine Learning Algorithms Finally Pull Back The Curtain And See How They Work With Clear Descriptions, Step-By-Step Tutorials and Working Examples in Spreadsheets by Jason Brownlee 10 top algorithms described. 12 step-by-step tutorials, 163 pages. 16 spreadsheets with working algorithms. 你必须了解算法才能在机器学习中取得好成绩（并被公认为优秀）。 在这个巨型电子书是写在友好的机器学习掌握风格，你习惯了，最后切入数学，并了解机器学习算法是如何工作的，然后从零开始，一步一步地实现它们。

Basics of Linear Algebra for Machine Learning - Discover the Mathematical Language of Data in Python by Jason Brownlee 19 step-by-step lessons, 211 pages. 线性代数是机器学习的支柱。没有机器学习，你就无法对机器学习产生深刻的理解和应用。 在这个新的激光聚焦电子书写在友好的机器学习掌握风格，你习惯了，你最终会切开方程，希腊字母和混乱，并发现在线性代数的主题，你需要知道。 通过清晰的解释、标准的 Python 库和分步教程课程，您将发现什么是线性代数、线性代数对机器学习、矢量和矩阵操作、矩阵保理、主要组件分析等的重要性。

Vivado ML 2021.1 现已推出，可供下载： 使用基于 ML 的算法提升性能 模块设计容器现已投入生产 推出 Vivado 商城 用于自动时序收敛的智能设计运行 面向 Versal 的 DFX 现已推出 量产器件: Versal AI Core 系列： - XCVC1902 和 XCVC1802 Versal Prime 系列： - XCVM1802 Virtex UltraScale+ HBM 器件:- XCVU57P

复正弦信号参数的ML估计及CRLB复正弦信号参数的ML估计及CRLB复正弦信号参数的ML估计及CRLB