W門大學-3528元-人工智能、大數據與復雜系統
|____78-課程總結
|____78.9課程總結（一）.mp4
|____78.8課程大綱（二）.mp4
|____78.7課程大綱（一）.mp4
|____78.6課程復習.mp4
|____78.5RNN詩人.mp4
|____78.4貓狗大戰—CNN實戰（二）.mp4
|____78.3貓狗大戰—CNN實戰（一）.mp4
|____78.2Attention實例—Spatial Transformer.mp4
|____78.1開場.mp4
|____78.10課程總結（二）.mp4
|____77-學習其他主題
|____77.9程序講解（二）.mp4
|____77.8程序講解（一）.mp4
|____77.7學習（四）.mp4
|____77.6學習（三）.mp4
|____77.5學習（二）.mp4
|____77.4學習（一）.mp4
|____77.3玻爾茲曼機.mp4
|____77.2玻爾茲曼機—聯想的機器.mp4
|____77.10程序講解（三）.mp4
|____77.1.mp4
|____76-漫談人工智能創業
|____76.9三個戰略管理學商業模型（二）.mp4
|____76.8三個戰略管理學商業模型（一）.mp4
|____76.7人工智能創業中的商業思維.mp4
|____76.6人工智能對我們生活的影響（六）.mp4
|____76.5人工智能對我們生活的影響（五）.mp4
|____76.4人工智能對我們生活的影響（四）.mp4
|____76.3人工智能對我們生活的影響（三）.mp4
|____76.2人工智能對我們生活的影響（二）.mp4
|____76.1人工智能對我們生活的影響（一）.mp4
|____76.17關于Entrepreneurship.mp4
|____76.16三個戰略管理學商業模型（九）.mp4
|____76.15三個戰略管理學商業模型（八）.mp4
|____76.14三個戰略管理學商業模型（七）.mp4
|____76.13三個戰略管理學商業模型（六）.mp4
|____76.12三個戰略管理學商業模型（五）.mp4
|____76.11三個戰略管理學商業模型（四）.mp4
|____76.10三個戰略管理學商業模型（三）.mp4
|____75-RNN及LSTM
|____75.9梯度消失與梯度爆炸（一）.mp4
|____75.8RNN訓練—BPTT（二）.mp4
|____75.7RNN訓練—BPTT（一）.mp4
|____75.6RNN作為生成模型（動力系統）.mp4
|____75.5Fix point、Train Chaos.mp4
|____75.4A dance between fix points.mp4
|____75.3A simple enough case.mp4
|____75.2RNN—序列處理器（二）.mp4
|____75.1RNN—序列處理器（一）.mp4
|____75.18LSTM Text Generation（三）.mp4
|____75.17LSTM Text Generation（二）.mp4
|____75.16LSTM Text Generation（一）.mp4
|____75.15Encoder Decoder Structure.mp4
|____75.14詞向量、Deep RNN.mp4
|____75.13LSTM、Use Examples.mp4
|____75.12LSTM.mp4
|____75.11Reservoir computing—偷懶方法.mp4
|____75.10梯度消失與梯度爆炸（二）.mp4
|____74-復雜網絡上的物理傳輸過程
|____74.9一些傳播動力學模型（六）.mp4
|____74.8一些傳播動力學模型（五）.mp4
|____74.7一些傳播動力學模型（四）.mp4
|____74.6一些傳播動力學模型（三）.mp4
|____74.5一些傳播動力學模型（二）.mp4
|____74.4一些傳播動力學模型（一）.mp4
|____74.3四種網絡模型.mp4
|____74.2常用的統計描述物理量.mp4
|____74.1一些基本概念.mp4
|____74.16Combining complex networks and data mining.mp4
|____74.15仿真模型的建立過程（四）.mp4
|____74.14仿真模型的建立過程（三）.mp4
|____74.13仿真模型的建立過程（二）.mp4
|____74.12仿真模型的建立過程（一）.mp4
|____74.11一些傳播動力學模型（八）.mp4
|____74.10一些傳播動力學模型（七）.mp4
|____73-自然語言處理導入
|____73.9示范2的豆瓣評論詞云（五）.mp4
|____73.8示范2的豆瓣評論詞云（四）.mp4
|____73.7示范2的豆瓣評論詞云（三）.mp4
|____73.6示范2的豆瓣評論詞云（二）.mp4
|____73.5示范2的豆瓣評論詞云（一）.mp4
|____73.4知識庫構建、問答系統.mp4
|____73.3篇章分析、自動摘要、知識提取、文本相似度計算.mp4
|____73.2中文分詞、依存文法分析.mp4
|____73.1中文分詞.mp4
|____72-線動力學系統（下）
|____72.4RNN及.mp4
|____72.3RNN.mp4
|____72.2自然語言處理（二）.mp4
|____72.1自然語言處理（一）.mp4
|____71-線動力學系統（上）
|____71.9Bifurcation（六）.mp4
|____71.8Bifurcation（五）.mp4
|____71.7Bifurcation（四）.mp4
|____71.6Bifurcation（三）.mp4
|____71.5Bifurcation（二）.mp4
|____71.4Bifurcation（一）.mp4
|____71.3二維系統動力學綜述—Poincare引理.mp4
|____71.2線動力學系統（二）.mp4
|____71.20混沌（十一）.mp4
|____71.1線動力學系統（一）.mp4
|____71.19混沌（十）.mp4
|____71.18混沌（九）.mp4
|____71.17混沌（八）.mp4
|____71.16混沌（七）.mp4
|____71.15混沌（六）.mp4
|____71.14混沌（五）.mp4
|____71.13混沌（四）.mp4
|____71.12混沌（三）.mp4
|____71.11混沌（二）.mp4
|____71.10混沌（一）.mp4
|____70-最新回放
|____0822 高頻訂單流模型、區塊鏈介紹.mp4
|____0822 CNN RNN回顧 非線性動力學引入.mp4
|____70-Value Iteration Networks
|____70.4總結及答疑.mp4
|____70.3Grid—world Domain.mp4
|____70.2Value Iteration.mp4
|____70.1Background&Motivation.mp4
|____69-模型可視化工程管理
|____69.9虛擬換環境—Anaconda&docker（八）.mp4
|____69.8虛擬換環境—Anaconda&docker（七）.mp4
|____69.7虛擬換環境—Anaconda&docker（六）.mp4
|____69.6虛擬換環境—Anaconda&docker（五）.mp4
|____69.5虛擬換環境—Anaconda&docker（四）.mp4
|____69.4虛擬換環境—Anaconda&docker（三）.mp4
|____69.3虛擬換環境—Anaconda&docker（二）.mp4
|____69.2虛擬換環境—Anaconda&docker（一）.mp4
|____69.1課程簡介.mp4
|____69.18Superset補充及總結.mp4
|____69.17Superset補充.mp4
|____69.16ELK補充.mp4
|____69.15Dashboard補充.mp4
|____69.14極速Bi系統—superset.mp4
|____69.13日志管理系統—ELK.mp4
|____69.12變身前端—seaboarn+Bokeh+Echarts.mp4
|____69.11定制化可視化系統—Jupyter Dashboard（二）.mp4
|____69.10定制化可視化系統—Jupyter Dashboard（一）.mp4
|____68-機器學習的方法
|____68.9輸出是最好的學習（一）.mp4
|____68.8鐵哥答疑（二）.mp4
|____68.7鐵哥答疑（一）.mp4
|____68.6視頻學習資源及做思維導圖.mp4
|____68.5碎片化時間學習及書籍.mp4
|____68.4綜述式文章舉例（二）.mp4
|____68.3綜述式文章舉例（一）.mp4
|____68.2閱讀論文.mp4
|____68.1為什么要講學習方法.mp4
|____68.15案例（五）.mp4
|____68.14案例（四）.mp4
|____68.13案例（三）.mp4
|____68.12案例（二）.mp4
|____68.11案例（一）.mp4
|____68.10輸出是最好的學習（二）.mp4
|____67-自然啟發算法
|____67.9進化相關的算法（四）.mp4
|____67.8進化相關的算法（三）.mp4
|____67.7進化相關的算法（二）.mp4
|____67.6進化相關的算法（一）.mp4
|____67.5模擬退火算法（二）.mp4
|____67.4模擬退火算法（一）.mp4
|____67.3概括（二）.mp4
|____67.2概括（一）.mp4
|____67.1課程回顧及答疑.mp4
|____67.16答疑.mp4
|____67.15更多的類似的算法（二）.mp4
|____67.14更多的類似的算法（一）.mp4
|____67.13遺傳算法和PSO的比較.mp4
|____67.12粒子群算法（三）.mp4
|____67.11粒子群算法（二）.mp4
|____67.10粒子群算法（一）.mp4
|____66-廣泛出現的冪律分布
|____66.9總結.mp4
|____66.8啟示（二）.mp4
|____66.7啟示（一）.mp4
|____66.6城市、商業（二）.mp4
|____66.5城市、商業（一）.mp4
|____66.4界（四）.mp4
|____66.3界（三）.mp4
|____66.2界（二）.mp4
|____66.1界（一）.mp4
|____65-金融市場的復雜性
|____65.9Classical Benchmarks（四）.mp4
|____65.8Classical Benchmarks（三）.mp4
|____65.7Classical Benchmarks（二）.mp4
|____65.6Classical Benchmarks（一）.mp4
|____65.5導論（五）.mp4
|____65.4導論（四）.mp4
|____65.3導論（三）.mp4
|____65.2導論（二）.mp4
|____65.1導論（一）.mp4
|____65.19總結.mp4
|____65.18Heterogeneous Beliefs（二）.mp4
|____65.17Heterogeneous Beliefs（一）.mp4
|____65.16Endogenous Risk（六）.mp4
|____65.15Endogenous Risk（五）.mp4
|____65.14Endogenous Risk（四）.mp4
|____65.13Endogenous Risk（三）.mp4
|____65.12Endogenous Risk（二）.mp4
|____65.11Endogenous Risk（一）.mp4
|____65.10Classical Benchmarks（五）.mp4
|____64-用伊辛模型理解復雜系統
|____64.9（空間中的）投票模型.mp4
|____64.8正問題和反問題.mp4
|____64.7Critical Exponents.mp4
|____64.6相變和臨界現象.mp4
|____64.5Ising Model(2D).mp4
|____64.4從能量到統計分布及Monte Carlo模擬.mp4
|____64.3伊辛模型（二）.mp4
|____64.2伊辛模型（一）.mp4
|____64.1伊辛模型的背景及格氣模型.mp4
|____64.19答疑.mp4
|____64.18總結.mp4
|____64.17深度學習與重正化群（二）.mp4
|____64.16深度學習與重正化群（一）.mp4
|____64.15限制Boltzmann機.mp4
|____64.14Hopfield神經網絡.mp4
|____64.13自旋玻璃.mp4
|____64.12集體運動Vicsek模型.mp4
|____64.11觀念動力學.mp4
|____64.10（網絡中的）投票模型.mp4
|____63-ABM簡介及金融市場建模
|____63.9ABM與復雜系統建模-技術擴散.mp4
|____63.8ABM與復雜系統建模-市場交易.mp4
|____63.7經典經濟學如何給市場建模.mp4
|____63.6ABM為經濟系統建模.mp4
|____63.5ABM與復雜系統建模（三）.mp4
|____63.4ABM與復雜系統建模（二）.mp4
|____63.3ABM與復雜系統建模（一）.mp4
|____63.2系統與系統建模.mp4
|____63.1課程介紹.mp4
|____63.18ABM的特點.mp4
|____63.17ABM金融市場-價格形成機制.mp4
|____63.16學習模型.mp4
|____63.15ABM金融市場-Agent及其行為.mp4
|____63.14ABM金融市場-genova市場模型.mp4
|____63.13ABM金融市場-SFI股票市場模型（二）.mp4
|____63.12ABM金融市場-SFI股票市場模型（一）.mp4
|____63.11ABM與復雜系統建模-交通系統（二）.mp4
|____63.10ABM與復雜系統建模-交通系統（一）.mp4
|____62-復雜網絡簡介
|____62.7Algorithms（二）.mp4
|____62.6Algorithms（一）.mp4
|____62.5Models（二）.mp4
|____62.4Models（一）.mp4
|____62.3BasicConcepts（二）.mp4
|____62.2BasicConcepts（一）.mp4
|____62.1Networks in real worlds.mp4
|____61-統計物理專題（二）
|____61.5配分函數Z.mp4
|____61.4Boltzmann分布.mp4
|____61.3信息熵（二）.mp4
|____61.2信息熵（一）.mp4
|____61.1神奇公式.mp4.mp4
|____60-統計物理專題（一）
|____60.9.mp4
|____60.8溫度的本質（二）.mp4
|____60.7溫度的本質（一）.mp4
|____60.6再造整個世界（二）.mp4
|____60.5再造整個世界（一）.mp4
|____60.4拋硬幣拋出正態分布（二）.mp4
|____60.3拋硬幣拋出正態分布（一）.mp4
|____60.2統計物理的開端（二）.mp4
|____60.1統計物理的開端(一).mp4
|____60.13 四大熱力學勢（二）.mp4
|____60.12四大熱力學勢（一）.mp4
|____60.11化學勢.mp4
|____60.10證明理想氣體方程.mp4
|____59-區塊鏈一場革命
|____59.4以太坊簡介及ICO.mp4
|____59.3比特幣（三）.mp4
|____59.2比特幣（二）.mp4
|____59.1比特幣（一）.mp4
|____58-訂單流模型
|____58.9訂單流數據分析（五）.mp4
|____58.8訂單流數據分析（四）.mp4
|____58.7訂單流數據分析（三）.mp4
|____58.6訂單流數據分析（二）.mp4
|____58.5訂單流數據分析（一）.mp4
|____58.4點過程基礎（三）.mp4
|____58.3點過程基礎（二）.mp4
|____58.2點過程基礎（一）.mp4
|____58.1交易.mp4
|____57-線動力學
|____57.6Poincare引理.mp4
|____57.4線動力學與非線動力學系統（二）.mp4
|____57.3線動力學與非線動力學系統（一）.mp4
|____57.2線動力系統.mp4
|____57.1非線動力學.mp4
|____56-網絡
|____56.7RNN.mp4
|____56.6感受野.mp4
|____56.5數字識別（二）.mp4
|____56.4數字識別（一）.mp4
|____56.3Pooling.mp4
|____56.2卷積的三大特點.mp4
|____56.1卷積的本質.mp4
|____55-人工智能與設計
|____55.9人工智能（二）.mp4
|____55.8人工智能（一）.mp4
|____55.7人的智能的特點（三）.mp4
|____55.6人的智能的特點（二）.mp4
|____55.5人的智能的特點（一）.mp4
|____55.4人的智能（二）.mp4
|____55.3人的智能（一）.mp4
|____55.2已有人工智的設計應用.mp4
|____55.1智能存在的意義是什么.mp4
|____55.10使用人工智能的方式.mp4
|____54-Pig和Spark鞏固
|____54.9Spark鞏固（四）.mp4
|____54.8Spark鞏固（三）.mp4
|____54.7Spark鞏固（二）.mp4
|____54.6Spark鞏固（一）.mp4
|____54.5Pig鞏固（五）.mp4
|____54.4Pig鞏固（四）.mp4
|____54.3Pig鞏固（三）.mp4
|____54.2Pig鞏固（二）.mp4
|____54.1Pig鞏固（一）.mp4
|____54.10Spark鞏固（五）.mp4
|____53-個化推薦算法
|____53.9算法評估和迭代.mp4
|____53.8建模step by step（三）.mp4
|____53.7建模step by step（二）.mp4
|____53.6建模step by step（一）.mp4
|____53.5推薦算法的演進（四）.mp4
|____53.4推薦算法的演進（三）.mp4
|____53.3推薦算法的演進（二）.mp4
|____53.2推薦算法的演進（一）.mp4
|____53.1個化推薦的發展.mp4
|____53.10工程望.mp4
|____52-計算機視覺深度學習入門工具篇
|____52.3計算機視覺深度學習入門工具篇（三）.mp4
|____52.2計算機視覺深度學習入門工具篇（二）.mp4
|____52.1計算機視覺深度學習入門工具篇（一）.mp4
|____51-計算機視覺深度學習入門數據篇
|____51.4如何使用端到端深度學習的方法.mp4
|____51.3對數據常用的預處理工作和后處理工作如何提高競賽成績（二）.mp4
|____51.2對數據常用的預處理工作和后處理工作如何提高競賽成績（一）.mp4
|____51.1計算機視覺領域的常用競賽數據集.mp4
|____50-計算機視覺學習入門優化篇
|____50.6手動超參優化邏輯以及超參優化往何處去.mp4
|____50.5優化器和多機并行.mp4
|____50.4擬合：從Dropout到Weight Decay.mp4
|____50.3穩定性：Annealing和Momentum.mp4
|____50.2CNN模型的一階優化邏輯.mp4
|____50.1計算機視覺學習入門：優化篇概述.mp4
|____49-計算機視覺深度學習入門結構篇
|____49.9結構之間的優劣評判以及實驗結果（四）.mp4
|____49.8結構之間的優劣評判以及實驗結果（三）.mp4
|____49.7結構之間的優劣評判以及實驗結果（二）.mp4
|____49.6結構之間的優劣評判以及實驗結果（一）.mp4
|____49.5特征如何組織（四）.mp4
|____49.4特征如何組織（三）.mp4
|____49.3特征如何組織（二）.mp4
|____49.2特征如何組織（一）.mp4
|____49.1復習計算機視覺最主要的負責特征提取的結構CNN.mp4
|____49.13結構之間的優劣評判以及實驗結果（八）.mp4
|____49.12結構之間的以及實驗結果（七）.mp4
|____49.11結構之間的優劣評判以及實驗結果（六）.mp4
|____49.10結構之間的優劣評判以及實驗結果（五）.mp4
|____48-計算機視覺深度學習入門目的篇
|____48.7實際問題轉化為具體問題并用深度學習解決（四）.mp4
|____48.6實際問題轉化為具體問題并用深度學習解決（三）.mp4
|____48.5實際問題轉化為具體問題并用深度學習解決（二）.mp4
|____48.4實際問題轉化為具體問題并用深度學習解決（一）.mp4
|____48.3計算機視覺領域正在關心的問題（二）.mp4
|____48.2計算機視覺領域正在關心的問題（一）.mp4
|____48.1計算機視覺深度學習入門概述.mp4
|____47-人工智能金融應用
|____47.8機器學習方法（四）.mp4
|____47.7機器學習方法（三）.mp4
|____47.6機器學習方法（二）.mp4
|____47.5機器學習方法（一）.mp4
|____47.4人工智能金融應用（四）.mp4
|____47.3人工智能金融應用（三）.mp4
|____47.2人工智能金融應用（二）.mp4
|____47.1人工智能金融應用（一）.mp4
|____46-時間序列預測
|____46.9長短期記憶網絡（LSTM）（二）.mp4
|____46.8長短期記憶網絡（LSTM）（一）.mp4
|____46.7差分自回歸移動平均模型(ARIMA)案例分析（四）.mp4
|____46.6差分自回歸移動平均模型(ARIMA)案例分析（三）.mp4
|____46.5差分自回歸移動平均模型(ARIMA)案例分析（二）.mp4
|____46.4差分自回歸移動平均模型(ARIMA)案例分析（一）.mp4
|____46.3差分自回歸移動平均模型(ARIMA).mp4
|____46.2時間序列預測概述（二）.mp4
|____46.1時間序列預測概述（一）.mp4
|____46.13課程答疑.mp4
|____46.12Facebook開源的新預測工具—Prophet（二）.mp4
|____46.11Facebook開源的新預測工具—Prophet（一）.mp4
|____46.10長短期記憶網絡（LSTM）案例分析.mp4
|____45-網絡基礎與卷積網絡
|____45.網絡（五）.mp4
|____45.9網絡（九）.mp4
|____45.8網絡（八）.mp4
|____45.7網絡（七）.mp4
|____45.6網絡（六）.mp4
|____45.4網絡（四）.mp4
|____45.3網絡（三）.mp4
|____45.2網絡（二）.mp4
|____45.1網絡（一）.mp4
|____45.13卷積（二）.mp4
|____45.12卷積（一）.mp4
|____45.11圖像處理基礎.mp4
|____45.10網絡（十）.mp4
|____44-監督學習－分類
|____44.9模型訓練與選擇（一）.mp4
|____44.8數據探索（六）.mp4
|____44.7數據探索（五）.mp4
|____44.6數據探索（四）.mp4
|____44.5數據探索（三）.mp4
|____44.4數據探索（二）.mp4
|____44.3數據探索（一）.mp4
|____44.2模型評估標準和案例分析.mp4
|____44.1常用的分類算法.mp4
|____44.14地震數據可視化過程（二）.mp4
|____44.13地震數據可視化過程（一）.mp4
|____44.12Airbnb數據探索過程（二）.mp4
|____44.11Airbnb數據探索過程（一）.mp4
|____44.10模型訓練與選擇（二）.mp4
|____43-監督學習－回歸
|____43.9案例分析（四）.mp4
|____43.8案例分析（三）.mp4
|____43.7案例分析（二）.mp4
|____43.6案例分析（一）.mp4
|____43.5機器學習工作流程（四）.mp4
|____43.4機器學習工作流程（三）.mp4
|____43.3機器學習工作流程（二）.mp4
|____43.2機器學習工作流程（一）.mp4
|____43.1機器學習的概念和監督學習.mp4
|____43.12經驗分享（三）.mp4
|____43.11經驗分享（二）.mp4
|____43.10經驗分享（一）.mp4
|____42-網絡
|____42.6網絡（四）.mp4
|____42.5網絡（三）.mp4
|____42.4網絡（二）.mp4
|____42.3網絡（一）.mp4
|____42.2SVM比較其他分類起代碼（二）.mp4
|____42.1SVM比較其他分類起代碼（一）.mp4
|____41-集成模型總結和GDBT理解及其衍生應用
|____41.9GDBT理解及其衍生應用（四）.mp4
|____41.8GDBT理解及其衍生應用（三）.mp4
|____41.7GDBT理解及其衍生應用（二）.mp4
|____41.6GDBT理解及其衍生應用（一）.mp4
|____41.5集成模型總結（五）.mp4
|____41.4集成模型總結（四）.mp4
|____41.3集成模型總結（三）.mp4
|____41.2集成模型總結（二）.mp4
|____41.1集成模型總結（一）.mp4
|____41.15GDBT理解及其衍生應用（十）.mp4
|____41.14GDBT理解及其衍生應用（九）.mp4
|____41.13GDBT理解及其衍生應用（八）.mp4
|____41.12GDBT理解及其衍生應用（七）.mp4
|____41.11GDBT理解及其衍生應用（六）.mp4
|____41.10GDBT理解及其衍生應用（五）.mp4
|____40-SVM和網絡引入
|____40.9SVM（八）.mp4
|____40.8SVM（七）.mp4
|____40.7SVM（六）.mp4
|____40.6SVM（五）.mp4
|____40.5SVM（四）.mp4
|____40.4SVM（三）.mp4
|____40.3SVM（二）.mp4
|____40.2SVM（一）.mp4
|____40.1VC維.mp4
|____40.13SVM（十二）和網絡引入.mp4
|____40.12SVM（十一）.mp4
|____40.11SVM（十）.mp4
|____40.10SVM（九）.mp4
|____39-強化學習（下）
|____39.9大腦中的強化學習算法（二）.mp4
|____39.8大腦中的強化學習算法（一）.mp4
|____39.7基于模型的RL（六）.mp4
|____39.6基于模型的RL（五）.mp4
|____39.5基于模型的RL（四）.mp4
|____39.4基于模型的RL（三）.mp4
|____39.3基于模型的RL（二）.mp4
|____39.2基于模型的RL（一）.mp4
|____39.1Policy Learning總結.mp4
|____39.16RL in alphaGo（四）.mp4
|____39.15RL in alphaGo（三）.mp4
|____39.14RL in alphaGo（二）.mp4
|____39.13RL in alphaGo（一）.mp4
|____39.12大腦中的強化學習算法（五）.mp4
|____39.11大腦中的強化學習算法（四）.mp4
|____39.10大腦中的強化學習算法（三）.mp4
|____38-強化學習（上）
|____38.9Policy Learning（一）.mp4
|____38.8Evaluation Problem（四）.mp4
|____38.7Evaluation Problem（三）.mp4
|____38.6Evaluation Problem（二）.mp4
|____38.5Evaluation Problem（一）.mp4
|____38.4操作性條件反射.mp4
|____38.3經典條件反射（二）.mp4
|____38.2經典條件反射（一）.mp4
|____38.1你所了解的強化學習是什么.mp4
|____38.14Policy Learning（六）.mp4
|____38.13Policy Learning（五）.mp4
|____38.12Policy Learning（四）.mp4
|____38.11Policy Learning（三）.mp4
|____38.10Policy Learning（二）.mp4
|____37-數據呈現進階
|____37.9D3（二）.mp4
|____37.8D3（一）.mp4
|____37.7DOM和開發者工具.mp4
|____37.6HTML、CSS和JavaScript基礎介紹.mp4
|____37.5靜態信息圖（五）.mp4
|____37.4靜態信息圖（四）.mp4
|____37.3靜態信息圖（三）.mp4
|____37.2靜態信息圖（二）.mp4
|____37.1靜態信息圖（一）.mp4
|____37.15Make a map（二）.mp4
|____37.14Make a map（一）.mp4
|____37.13D3支持的數據類型.mp4
|____37.12svg.html.mp4
|____37.11div.html.mp4
|____37.10D3（三）.mp4
|____36-決策樹到隨機森林
|____36.9gt多樣化.mp4
|____36.8Blending.mp4
|____36.7集成方法（二）.mp4
|____36.6集成方法（一）.mp4
|____36.5模型參數的介紹.mp4
|____36.4在Scikit-Learn里面如何用隨機森林做預測（二）.mp4
|____36.3在Scikit-Learn里面如何用隨機森林做預測（一）.mp4
|____36.2隨機森林.mp4
|____36.1決策樹.mp4
|____36.15Boosting方法（四）.mp4
|____36.14Boosting方法（三）.mp4
|____36.13Boosting方法（二）.mp4
|____36.12Boosting方法（一）.mp4
|____36.11Bagging與決策樹（二）.mp4
|____36.10Bagging與決策樹（一）.mp4
|____35-第四范式分享
|____35.8建模過程的演示與課間答疑.mp4
|____35.7評估模型.mp4
|____35.6推薦系統機器學習模型.mp4
|____35.5數據拆分與特征工程.mp4
|____35.4求解—從數據到模型.mp4
|____35.3推薦系統的形式化以及如何評價推薦結果.mp4
|____35.2人是如何推薦商品的.mp4
|____35.1推薦技術的介紹.mp4
|____34-D-Park實戰
|____34.9Spark應用（三）.mp4
|____34.8Spark應用（二）.mp4
|____34.7Spark應用（一）.mp4
|____34.6Pig應用（六）.mp4
|____34.5Pig應用（五）.mp4
|____34.4Pig應用（四）.mp4
|____34.3Pig應用（三）.mp4
|____34.2Pig應用（二）.mp4
|____34.1Pig應用（一）.mp4
|____34.13Spark應用（七）.mp4
|____34.12Spark應用（六）.mp4
|____34.11Spark應用（五）.mp4
|____34.10Spark應用（四）.mp4
|____33-云計算初步
|____33.9Hive應用（四）.mp4
|____33.8Hive應用（三）.mp4
|____33.7Hive應用（二）.mp4
|____33.6Hive應用（一）.mp4
|____33.5MapReduce（二）.mp4
|____33.4MapReduce（一）.mp4
|____33.3Hdfs應用（二）.mp4
|____33.2Hdfs應用（一）.mp4
|____33.1Hadoop介紹.mp4
|____32-數據呈現基礎
|____32.8圖形選擇（三）.mp4
|____32.7圖形選擇（二）.mp4
|____32.6圖形選擇（一）.mp4
|____32.5視覺編碼.mp4
|____32.4數據可視化流程.mp4
|____32.3設計原則.mp4
|____32.2什么是數據可視化.mp4
|____32.1課程安排.mp4
|____31-決策樹
|____31.4決策樹（四）.mp4
|____31.3決策樹（三）.mp4
|____31.2決策樹（二）.mp4
|____31.1決策樹（一）.mp4
|____30-Python進階（下）
|____30.9泰坦尼克數據處理與分析（九）.mp4
|____30.8泰坦尼克數據處理與分析（八）.mp4
|____30.7泰坦尼克數據處理與分析（七）.mp4
|____30.6泰坦尼克數據處理與分析（六）.mp4
|____30.5泰坦尼克數據處理與分析（五）.mp4
|____30.4泰坦尼克數據處理與分析（四）.mp4
|____30.3泰坦尼克數據處理與分析（三）.mp4
|____30.2泰坦尼克數據處理與分析（二）.mp4
|____30.1泰坦尼克數據處理與分析（一）.mp4
|____29-熵、邏輯斯蒂回歸、SVM引入
|____29.9邏輯斯蒂回歸（二）.mp4
|____29.8邏輯斯蒂回歸（一）.mp4
|____29.7熵（七）.mp4
|____29.6熵（六）.mp4
|____29.5熵（五）.mp4
|____29.4熵（四）.mp4
|____29.3熵（三）.mp4
|____29.2熵（二）.mp4
|____29.1熵（一）.mp4
|____29.13SVM引入.mp4
|____29.12邏輯斯蒂回歸（五）.mp4
|____29.11邏輯斯蒂回歸（四）.mp4
|____29.10邏輯斯蒂回歸（三）.mp4
|____28-Scikit-Learn
|____28.9模型實例、模型選擇（五）.mp4
|____28.8模型實例、模型選擇（四）.mp4
|____28.7模型實例、模型選擇（三）.mp4
|____28.6模型實例、模型選擇（二）.mp4
|____28.5模型實例、模型選擇（一）.mp4
|____28.4數據處理（二）.mp4
|____28.3數據處理（一）【微信：17358309816】.mp4
|____28.2Scikit-Learn介紹.mp4
|____28.1課程介紹.mp4
|____27-Python進階（上）
|____27.9Pandas基本操作（三）.mp4
|____27.8Pandas基本操作（二）【微信：17358309816】.mp4
|____27.7Pandas基本操作（一）.mp4
|____27.6NumPy基本操作（六）.mp4
|____27.5NumPy基本操作（五）.mp4
|____27.4NumPy基本操作（四）.mp4
|____27.3NumPy基本操作（三）.mp4
|____27.2NumPy基本操作（二）.mp4
|____27.1NumPy基本操作（一）.mp4
|____27.14Pandas繪圖（四）.mp4
|____27.13Pandas繪圖（三）【微信：17358309816】.mp4
|____27.12Pandas繪圖（二）.mp4
|____27.11Pandas繪圖（一）.mp4
|____27.10Pandas基本操作（四）.mp4
|____26-線分類器
|____26.9Perceptron（二）.mp4
|____26.8Perceptron（一）.mp4
|____26.7LDA（三）.mp4
|____26.6LDA（二）.mp4
|____26.5LDA（一）.mp4
|____26.4線分類器.mp4
|____26.3Lasso：alpha參數與準確率（三）.mp4
|____26.2Lasso：alpha參數與準確率（二）.mp4
|____26.1Lasso：alpha參數與準確率（一）.mp4
|____26.13熵與信息（二）.mp4
|____26.12熵與信息（一）.mp4
|____26.11Perceptron（四）.mp4
|____26.10Perceptron（三）.mp4
|____25-Python操作數據庫、 Python爬蟲
|____25.9Python操作數據庫（一）.mp4
|____25.8命令行操作數據庫（四）.mp4
|____25.7命令行操作數據庫（三）.mp4
|____25.6命令行操作數據庫（二）.mp4
|____25.5命令行操作數據庫（一）.mp4
|____25.4MySQL數據庫與Excel的不同.mp4
|____25.3認識關系型數據庫（二）.mp4
|____25.2認識關系型數據庫（一）.mp4
|____25.1課程介紹.mp4
|____25.17Python爬蟲（五）.mp4
|____25.16Python爬蟲（四）.mp4
|____25.15Python爬蟲（三）.mp4
|____25.14Python爬蟲（二）.mp4
|____25.13Python爬蟲（一）.mp4
|____25.12Python操作數據庫（四）.mp4
|____25.11Python操作數據庫（三）.mp4
|____25.10Python操作數據庫（二）.mp4
|____24-數據科學和統計學（下）
|____24.9隨機變量（四）.mp4
|____24.8隨機變量（三）.mp4
|____24.7隨機變量（二）.mp4
|____24.6隨機變量（一）.mp4
|____24.5概率空間.mp4
|____24.4理解統計思想（三）.mp4
|____24.3理解統計思想（二）.mp4
|____24.2理解統計思想（一）.mp4
|____24.1課程Overview.mp4
|____24.13假設檢驗（二）.mp4
|____24.12假設檢驗（一）.mp4
|____24.11參數估計（二）.mp4
|____24.10參數估計（一）.mp4
|____23-PCA、降維方法引入
|____23.9PCA背后的假設（二）.mp4
|____23.8PCA背后的假設（一）.mp4
|____23.7PCA之外的降維方法—LDA.mp4
|____23.6PCA數學分析方法（四）.mp4
|____23.5PCA數學分析方法（三）.mp4
|____23.4PCA數學分析方法（二）.mp4
|____23.3PCA數學分析方法（一）.mp4
|____23.2降維存在的原因.mp4
|____23.1無監督學習框架.mp4
|____22-Python基礎課程（下）
|____22.9函數（二）.mp4
|____22.8函數（一）.mp4
|____22.7循環（四）.mp4
|____22.6循環（三）.mp4
|____22.5課間答疑.mp4
|____22.4循環（二）.mp4
|____22.3循環（一）.mp4
|____22.2條件判斷（二）.mp4
|____22.1條件判斷（一）.mp4
|____22.14類（三）.mp4
|____22.13類（二）.mp4
|____22.12類（一）.mp4
|____22.11函數（四）.mp4
|____22.10函數（三）.mp4
|____21-監督學習框架
|____21.9KNN(K最近鄰)算法（一）.mp4
|____21.8監督學習框架（二）.mp4
|____21.7監督學習框架（一）.mp4
|____21.6超參數（二）.mp4
|____21.5超參數（一）.mp4
|____21.4lasso回歸.mp4
|____21.3正則化.mp4
|____21.2最大后驗估計.mp4
|____21.1經驗誤差和泛化誤差.mp4
|____21.14高斯判別模型（二）.mp4
|____21.13高斯判別模型（一）.mp4
|____21.12線性分類器.mp4
|____21.11KNN(K最近鄰)算法（三）.mp4
|____21.10KNN(K最近鄰)算法（二）.mp4
|____20-線代數—特征值與特征向量
|____20.9本征值的計算（二）.mp4
|____20.8本征值的計算（一）.mp4
|____20.7特征值與特征向量的性質（二）.mp4
|____20.6特征值與特征向量的性質（一）.mp4
|____20.5特征值與特征向量的物理意義.mp4
|____20.4例題講解（三）.mp4
|____20.3例題講解（二）.mp4
|____20.2例題講解（一）.mp4
|____20.1線代數知識點回顧.mp4
|____20.14厄米矩陣.mp4
|____20.13歐氏空間與閔氏空間.mp4
|____20.12對偶空間（二）.mp4
|____20.11對偶空間（一）.mp4
|____20.10線代數核心定理.mp4
|____19-Python基礎課程（上）
|____19.9變量類型—字符串類型（二）.mp4
|____19.8課間答疑.mp4
|____19.7變量類型—字符串類型（一）.mp4
|____19.6變量類型—bool類型.mp4
|____19.5變量類型—數值類型.mp4
|____19.4變量—代碼規范.mp4
|____19.3變量—命名規范.mp4
|____19.2Python介紹（二）.mp4
|____19.1Python介紹（一）.mp4
|____19.15變量類型—字典類型（二）.mp4
|____19.14變量類型—語言組類型、字典類型（一）.mp4
|____19.13變量類型—列表類型（三）.mp4
|____19.12變量類型—列表類型（二）.mp4
|____19.11變量類型—列表類型（一）.mp4
|____19.10變量類型—字符串類型（三）.mp4
|____18-線代數—矩陣、等價類和行列式
|____18.9等價關系.mp4
|____18.8矩陣的運算—轉秩（二）.mp4
|____18.7矩陣的運算—轉秩（一）.mp4
|____18.6線代數解微分方程.mp4
|____18.5相似矩陣表示相同線變化.mp4
|____18.4相似矩陣.mp4
|____18.3可矩陣表示坐標變化.mp4
|____18.2矩陣表示線變化.mp4
|____18.1線代數知識點回顧.mp4
|____18.13行列式（三）.mp4
|____18.12行列式（二）.mp4
|____18.11行列式（一）.mp4
|____18.10等價類.mp4
|____17-數據科學和統計學（上）
|____17.9隨機變量（一）.mp4
|____17.8R和RStudio等介紹（二）.mp4
|____17.7R和RStudio等介紹（一）.mp4
|____17.6回顧數據科學（二）和教材介紹.mp4
|____17.5回顧數據科學（一）.mp4
|____17.4回顧統計學（三）.mp4
|____17.3回顧統計學（二）.mp4
|____17.2回顧統計學（一）.mp4
|____17.1課程Overview.mp4
|____17.13換門的概率模擬計算（三）.mp4
|____17.12換門的概率模擬計算（二）.mp4
|____17.11換門的概率模擬計算（一）.mp4
|____17.10隨機變量（二）.mp4
|____16-線
|____16.9傅立.mp4
|____16.8連續傅.mp4
|____16.7線空間八條法則（三）.mp4
|____16.6線空間八條法則（二）.mp4
|____16.5線空間八條法則（一）.mp4
|____16.4線空間.mp4
|____16.3線律.mp4
|____16.2線代數應用方法論.mp4
|____16.1線代數概述.mp4
|____16.12秩.mp4
|____16.11線關.mp4
|____16.10常規線空間.mp4
|____15-樸素貝葉斯和最大似然估計
|____15.9TF-IDF（二）.mp4
|____15.8TF-IDF（一）.mp4
|____15.7算法設計.mp4
|____15.6樸素貝葉斯（二）.mp4
|____15.5樸素貝葉斯（一）.mp4
|____15.4先驗到后驗的過程.mp4
|____15.3貝葉斯先驗.mp4
|____15.2蒙特卡洛分析（二）.mp4
|____15.1蒙特卡洛分析（一）.mp4
|____15.12最大似然估計（二）.mp4
|____15.11最大似然估計（一）.mp4
|____15.10樸素貝葉斯（三）.mp4
|____14-高等數學—正態分布
|____14.5多維正態分布.mp4
|____14.4二維正態分布.mp4
|____14.3誤差函數.mp4
|____14.2中心極限定理.mp4
|____14.1標準正態分布.mp4
|____13-高等數學—積分
|____13.4分部積分（二）.mp4
|____13.3分部積分（一）.mp4
|____13.2微積分基本定理.mp4
|____13.1黎曼積.mp4
|____12-高等數學—偏導數
|____12.3梯度算符、拉氏算符.mp4
|____12.2鏈式法則.mp4
|____12.1偏導數的對稱性.mp4
|____11-高等數學—泰勒展開
|____11.5泰勒展開求極限（二）.mp4
|____11.4泰勒展開求極限（一）.mp4
|____11.3歐拉公式.mp4
|____11.2展開半徑.mp4
|____11.1泰勒展開.mp4
|____10-貝葉斯理論
|____10.9貝葉斯推理深入.mp4
|____10.8辛普森案件【微信：17358309816】.mp4
|____10.7貝葉斯推理（三）.mp4
|____10.6貝葉斯推理（二）.mp4
|____10.5貝葉斯推理（一）.mp4
|____10.4概率與事件.mp4
|____10.3概率基礎【微信：17358309816】.mp4
|____10.2梯度優化（二）.mp4
|____10.1梯度優化（一）.mp4
|____10.14貝葉斯決策（三）.mp4
|____10.13貝葉斯決策（二）.mp4
|____10.12貝葉斯決策（一）.mp4
|____10.11貝葉斯于機器學習（二）.mp4
|____10.10貝葉斯于機器學習（一）.mp4
|____09-高等數學—導數
|____9.9洛比塔法則.mp4
|____9.8微分中值定理和柯西中值定理.mp4
|____9.7羅爾定理.mp4
|____9.6泰勒展開.mp4
|____9.5復合函數的導數.mp4
|____9.4反函數的導數（二）.mp4
|____9.3反函數的導數（一）.mp4
|____9.2初等函數的導數.mp4
|____9.1導數的定義.mp4
|____9.10泰勒展開的證明.mp4
|____08-高等數學—兩個重要的極限定理
|____8.5第二個重要極限定理的證明.mp4
|____8.4夾逼定理.mp4
|____8.3第一個重要極限定理的證明（二）.mp4
|____8.2第一個重要極限定理的證明（一）.mp4
|____8.1元素與極限的知識點回顧.mp4
|____07-阿爾法狗與強化學習算法
|____7.6無監督學習.mp4
|____7.5Alphago給我們的啟示.mp4
|____7.4強化學習算法（三）.mp4
|____7.3強化學習算法（二）.mp4
|____7.2強化學習算法（一）.mp4
|____7.1人工智能的發展.mp4
|____06-機器學習與監督算法
|____6.5簡單回歸實例（三）.mp4
|____6.4簡單回歸實例（二）.mp4
|____6.3簡單回歸實例（一）.mp4
|____6.2機器學習的類型.mp4
|____6.1什么是機器學習.mp4
|____05-復雜網絡經濟學應用
|____5.4從網絡結構看不同地區（二）.mp4
|____5.3從網絡結構看不同地區（一）.mp4
|____5.2復雜網絡認識前后.mp4
|____5.1用網絡的思維看經濟結構.mp4
|____04-高等數學—元素和極限
|____4.9無窮大之比較（二）.mp4
|____4.8無窮大之比較（一）.mp4
|____4.7自然數個數少于實數個數（二）.mp4
|____4.6自然數個數少于實數個數（一）.mp4
|____4.5實數的元素個數（二）.mp4
|____4.4實數的元素個數（一）.mp4
|____4.3實數的定義（三）.mp4
|____4.2實數的定義（二）.mp4
|____4.1實數的定義（一）.mp4
|____4.14連續性.mp4
|____4.13極限的復合.mp4
|____4.12極限的四則運算.mp4
|____4.11極限的定義.mp4
|____4.10級數的收斂.mp4
|____03-人工智能的三個階段
|____3.9課程大綱（一）.mp4
|____3.8課間答疑.mp4
|____3.7人工智能的應用（二）.mp4
|____3.6人工智能的應用（一）.mp4
|____3.5三個階段總結分析.mp4
|____3.4連接主義階段發展至學習階段.mp4
|____3.3課間答疑.mp4
|____3.2機器學習階段發展至連接主義階段.mp4
|____3.1規則階段.mp4
|____3.10課程大綱（二）.mp4
|____02-大數據與機器學習
|____2.2大數據與機器學習.mp4
|____2.1大數據預測因為.mp4
|____01-復雜系統
|____1.4生活實例與本章答疑.mp4
|____1.3復雜系統引論.mp4
|____1.2預測失效原因.mp4
|____1.1物理預測的勝利與失效.mp4
