|
0-宣传片
|
|
1-复杂系统
|
|
10-贝叶斯理论
|
|
11-高等数学—泰勒展开
|
|
12-高等数学—偏导数
|
|
13-高等数学—积分
|
|
14-高等数学—正态分布
|
|
15-朴素贝叶斯和最大似然估计
|
|
16-线性代数—线性空间和线性变换
|
|
17-数据科学和统计学（上）
|
|
18-线性代数—矩阵、等价类和行列式
|
|
19-Python基础课程（上）
|
|
2-大数据与机器学习
|
|
20-线性代数—特征值与特征向量
|
|
21-监督学习框架
|
|
22-Python基础课程（下）
|
|
23-PCA、降维方法引入
|
|
24-数据科学和统计学（下）
|
|
25-Python操作数据库、 Python爬虫
|
|
26-线性分类器
|
|
27-Python进阶（上）
|
|
28-Scikit-Learn
|
|
29-熵、逻辑斯蒂回归、SVM引入
|
|
3-人工智能的三个阶段
|
|
30-Python进阶（下）
|
|
31-决策树
|
|
32-数据呈现基础
|
|
33-云计算初步
|
|
34-D-Park实战
|
|
35-第四范式分享
|
|
36-决策树到随机森林
|
|
37-数据呈现进阶
|
|
38-强化学习（上）
|
|
39-强化学习（下）
|
|
4-高等数学—元素和极限
|
|
40-SVM和神经网络引入
|
|
41-集成模型总结和GDBT理解及其衍生应用
|
|
42-神经网络
|
|
43-监督学习－回归
|
|
44-监督学习－分类
|
|
45-神经网络基础与卷积网络
|
|
46-时间序列预测
|
|
47-人工智能金融应用
|
|
48-计算机视觉深度学习入门目的篇
|
|
49-计算机视觉深度学习入门结构篇
|
|
5-复杂网络经济学应用
|
|
50-计算机视觉深度学习入门优化篇
|
|
51-计算机视觉深度学习入门数据篇
|
|
52-计算机视觉深度学习入门工具篇
|
|
53-个性化推荐算法
|
|
54-Pig和Spark巩固
|
|
55-人工智能与设计
|
|
56-神经网络
|
|
57-非线性动力学
|
|
58-高频交易订单流模型
|
|
59-区块链一场革命
|
|
6-机器学习与监督算法
|
|
60-统计物理专题（一）
|
|
61-统计物理专题（二）
|
|
62-复杂网络简介
|
|
63-ABM简介及金融市场建模
|
|
64-用伊辛模型理解复杂系统
|
|
65-金融市场的复杂性
|
|
66-广泛出现的幂律分布
|
|
67-自然启发算法
|
|
68-机器学习的方法
|
|
69-模型可视化工程管理
|
|
7-阿尔法狗与强化学习算法
|
|
70-Value Iteration Networks
|
|
70-最新回放
|
|
71-非线性动力学系统（上）
|
|
72-非线性动力学系统（下）
|
|
73-自然语言处理导入
|
|
74-复杂网络上的物理传输过程
|
|
75-RNN及LSTM
|
|
76-漫谈人工智能创业
|
|
77-深度学习其他主题
|
|
78-课程总结
|
|
8-高等数学—两个重要的极限定理
|
|
9-高等数学—导数
|