人工智能、大數據與復雜系統

01-復雜系統
02-大數據與機器學習
03-人工智能的三個階段
04-高等數學-元素和極限
05-復雜網絡經濟學應用
06-機器學習與監督算法
07-阿爾法狗與強化學習算法
08-高等數學-兩個重 要的極限定理
09-高等數學一導數
10-貝葉斯理論
11-高等數學-泰勒展開
12 -高等數學-偏導數
13-高等數學-積分
14 -高等數學-正態分布
15-樸素貝葉斯和最大似然估計
16-線
17-數據科學和統計學(上)
18-線代數一矩陣、 等價類和行列式
19-Python基礎課程(上)
20-線代數一特征值與特征向量
21 -監督學習框架
22-Python基礎課程(下)
23-PCA、降維方法引入
24數據科學和統計學(下)
25- Python操作數據庫、Python爬蟲
26-線分類器
27- Python進階(上)
28- Scikit-Learn
29-熵、邏輯斯蒂回歸、SVM引入
30-Python進階(下)
31-決策樹
32-數據呈現基礎
33-云計算初步
34-D-Park實戰
35-第四范式分享
36-決策樹到隨機森林
37-數據呈現進階
38-強化學習(上)
39強化學習(下)
40-SVM和網絡引入
41-集成模型總結和GDBT理解及其行生應用
42-網絡
43-監督學習-回歸
44-監督學習-分類
45-網絡基礎與卷積網絡
46-時間序列預測
47-人工智能金融應用
48-計算機視覺深度學習入門目的篇
49-計算機視覺深度學習入門結構篇
50-計算機視覺學習入門優化篇
51-計算機視覺深度學習入門數據篇
52計算機視覺深度學習入門工具篇
53-個化推薦算法
54-Pig和Spark鞏固
55-人工智能與設計
56-網絡
57-線動力學
58-訂單流模型
59-區塊鏈一場革命
60-統計物理專題(- - )
61統計物理專題(二)
62-復雜網絡簡介
63-ABM簡介及金融市場建模
64-用伊辛模型理解復雜系統
65-金融市場的復雜性
66-廣泛出現的冪律分布
67-自然啟發算法
68-機器學習的方法
69-模型可視化工程管理
70-Value Iteration Networks
71-線動力學系統(上)
72-線動力學系統(下)
73-自然語言處理導入
74-復雜網絡上的物理傳輸過程
75- RNN及LSTM
76-漫談人工智能創業
77-學習其他主題
78-課程總結