人工智能、大數據與復雜系統一月特訓班
2018年xa0xa0萬門大學1080p高清
0-宣傳片
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—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-線性代數—線性空間和線性變換
17-數據科學和統計學（上）
18-線性代數—矩陣、等價類和行列式
19-Python基礎課程（上）
20-線性代數—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-線性分類器
27-Python進階（上）
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和神經網絡引入
41-集成模型總結和GDBT理解及其衍生應用
42-神經網絡
43-監督學習－回歸
44-監督學習－分類
45-神經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-計算機視覺深度學習入門優化篇
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-個性化推薦算法
54-Pig和Spark鞏固
55-人工智能與設計
56-神經網絡
57-非線性動力學
58-高頻交易訂單流模型
59-區塊鏈一場革命
60-統計物理專題（一）
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-最新回放
71-非線性動力學系統（上）
72-非線性動力學系統（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-深度學習其他主題
78-課程總結
