————————課程介紹————————
宣傳片
復雜系統
大數據與機器學習
人工智能的三個階段
高等數學—元素和極限
復雜網絡經濟學應用
機器學習與監督算法
阿爾法狗與強化學習算法
高等數學—兩個重要的極限定理
高等數學—導數
貝葉斯理論
高等數學—泰勒展開
高等數學—偏導數
高等數學—積分
高等數學—正態分布
樸素貝葉斯和最大似然估計
線性代數—線性空間和線性變換
數據科學和統計學
線性代數—矩陣、等價類和行列式
Python基礎課程
線性代數—特征值與特征向量
監督學習框架
PCA、降維方法引入
Python操作數據庫、 Python爬蟲
線性分類器
Python進階
熵、邏輯斯蒂回歸、SVM引入
決策樹
數據呈現基礎
云計算初步
D-Park實戰
第四范式分享
決策樹到隨機森林
數據呈現進階
強化學習
SVM和神經網絡引入
集成模型總結和GDBT理解及其衍生應用
神經網絡
監督學習－回歸與分類
神經網絡基礎與卷積網絡
時間序列預測
人工智能金融應用
計算機視覺深度學習入門
個性化推薦算法
Pig和Spark鞏固
人工智能與設計
神經網絡
非線性動力學
高頻交易訂單流模型
區塊鏈一場革命
統計物理專題
復雜網絡簡介
ABM簡介及金融市場建模
用伊辛模型理解復雜系統
金融市場的復雜性
廣泛出現的冪律分布
自然啟發算法
機器學習的方法
模型可視化工程管理
最新回放
非線性動力學系統
自然語言處理導入
復雜網絡上的物理傳輸過程
RNN及LSTM
漫談人工智能創業
深度學習其他主題
課程總結
