Здравей,

можеш да погледнеш: http://dlib.net/books.html. Предполагам, че ще отнеме много време, но при наличие на такова, прегледай ги.
Препоръчвам, защото преди дни ми бяха препоръчани първите две от Machine Learning частта.

П.П. При мен ставаше въпрос за разпознаване на лица.

Това може да ти помогне: https://www.youtube.com/watch?v=XJ7HLz9VYz0&list=PLRqwX-V7Uu6aCibgK1PTWWu9by6XFdCfh . Доста детайлно е обяснено. Съжалявам, ако вече си го прегледал.

Дано съм полезен :D.

Дисертацията ми се базираше на уеб апликация интерактивни невронни мрежи с TensorFlow, като заимствах от Google's Playground - пример.

Според мен този курс беше доста полезен - нещата са добре обяснени.

Като цяло невронните мрежи са интересни, но са подкатегория на Artificial Intelligence. Ако желаеш може да започнеш от там, защото нещата са интересни и не са чак толкова дълбоки - този учебник ми помогна доста. Може да използваш Malmo за разработването на агенти, което е доста готино.

Доста дълбока математика идва с Elements of Statistical Learning, специално Глава 11, където предполагам всичко ще ти стане ясно ако отделиш достатъчно време.

Това е моят списък с полезни ресурси, който бях нахвърлил на един gist преди 2-3 месеца. Не съм го ъпдейтвал от тогава, но има още много неща, които не съм споменал(обяснения за multivariable calculus, доста статистика и др.). Имам една идея да направя github репо с полезни връзки и ако има навити хора, които да споделят ресурси, които са им помагали - да ги добавя. Смятам, че може да е полезно за всички. То има доста такива репота, но въпреки това ще се получи интересно, защото всеки е минал по различен път и ресурсите биха били доста разнородни. Например в настоящата тема на форума видях 2-3 поста с доста неща, които не бях срещал - екстра.

Математика

Линейна алгебра (Linear Algebra)

• Essence of linear algebra За мен това е възможно най-доброто представяне на линейната алгебра. Изобщо 3Blue1Brown е най-уникалният презентатор на всякакви теми свързани с математиката. За мен неговият канал е като златна мина. Стандартното представяне на линейната алгебра по книги, туториали и особено университетски курсове е просто отвратително. Ако човек не е попаднал на този канал може да се мисли, че това е най-неинтуитивния дял в математиката.

Анализ (Calcus)

• Essence of calculus - отново 3Blue1Brown и естествено отново нещо уникално.

Machine Learning Videos

Neural Networks

• Neural Networks - най-доброто според мен предстаяне на невронните мрежи(3Blue1Brown е все пак).

SVM

• Това е най-доброто представяне на SVM, което съм гледал: SVM. Много точно, много артистично и доставя истинско удоволствие за математическите сетива на човек(ако има такива).

Machine Learning Videos Courses

• Andrew Ng безплатен курс в Coursera. Това е може би най-доброто с което може да се започне. Задълбочени обясниния за стандартните ML алгоритми + невронни мрежи. Препоръчвам да се гледат поне видеата за linear regression, logistic regression и как работи gradient descent. Идеално е за хора, които не се задоволяват със стандартната "интуиция", която се дава по темите. Гледах повечето видеа и съм много доволен(като изключим едни примери, които смятам за неудачни чисто от психологическа гледна точка).
• TensorFlow курс - Добър курс за старт с TensorFlow, препоръчвам лабовете - направил съм само няколко засега но изглеждат добри. Изисква добро познаване на Machine Learning алгоритмите, защото в TensofFlow просто трябва такова(освен ако не искате да наизустявате безмозъчно код). Затова мисля, че TensorFlow е много полезна библиотека в сравнение с scikit-learn, която е с доста high level API и може да се мине с доста мъгляви познания.

Image transformations

• Canny Edge Detector(Computerphile, много кратко, много полезно)
• Sobel Operator(Computerphile, много кратко, много полезно)
• Blur filter(Gaussian blur)(Computerphile, много кратко, много полезно)
• How Hough Transform works - доста добро обяснение на алгоритъма придружено с полезна визуализация.
• OpenCV with Python for Image and Video Analysis - Доста полезен плейлист с добри въвеждащи OpenCV уроци. Поне на мен доста ми помогнаха.