人工智能、大数据与复杂系统
01-复杂系统
02-大数据与机器学习
03-人工智能的三个阶段
04-高等数学-元素和极限
05-复杂网络经济学应用
06-机器学习与监督算法
07-阿尔法狗与强化学习算法
08-高等数学-两个重 要的极限定理
09-高等数学一导数
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
17-数据科学和统计学(上)
18-线代数一矩阵、 等价类和行列式
19-Python基础课程(上)
20-线代数一特征值与特征向量
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-线分类器
27- Python进阶(上)
28- Scikit-Learn
29-熵、逻辑斯蒂回归、SVM引入
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)
40-SVM和网络引入
41-集成模型总结和GDBT理解及其行生应用
42-网络
43-监督学习-回归
44-监督学习-分类
45-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
50-计算机视觉学习入门优化篇
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-个化推荐算法
54-Pig和Spark巩固
55-人工智能与设计
56-网络
57-线动力学
58-订单流模型
59-区块链一场革命
60-统计物理专题(- - )
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
70-Value Iteration Networks
71-线动力学系统(上)
72-线动力学系统(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-学习其他主题
78-课程总结
