01-復(fù)雜系統(tǒng)
02-大數(shù)據(jù)與機(jī)器學(xué)習(xí)
03-人工智能的三個(gè)階段
04-高等數(shù)學(xué)—元素和極限
05-復(fù)雜網(wǎng)絡(luò)經(jīng)濟(jì)學(xué)應(yīng)用
06-機(jī)器學(xué)習(xí)與監(jiān)督算法
07-阿爾法狗與強(qiáng)化學(xué)習(xí)算法
08-高等數(shù)學(xué)—兩個(gè)重要的極限定理
09-高等數(shù)學(xué)—導(dǎo)數(shù)
10-貝葉斯理論
11-高等數(shù)學(xué)—泰勒展開
12-高等數(shù)學(xué)—偏導(dǎo)數(shù)
13-高等數(shù)學(xué)—積分
14-高等數(shù)學(xué)—正態(tài)分布
15-樸素貝葉斯和最大似然估計(jì)
16-線
17-數(shù)據(jù)科學(xué)和統(tǒng)計(jì)學(xué)（上）
18-線代數(shù)—矩陣、等價(jià)類和行列式
19-Python基礎(chǔ)課程（上）
20-線代數(shù)—特征值與特征向量
21-監(jiān)督學(xué)習(xí)框架
22-Python基礎(chǔ)課程（下）
23-PCA、降維方法引入
24-數(shù)據(jù)科學(xué)和統(tǒng)計(jì)學(xué)（下）
25-Python操作數(shù)據(jù)庫励七、 Python爬蟲
26-線分類器
27-Python進(jìn)階（上）
28-Scikit-Learn
29-熵梧奢、邏輯斯蒂回歸、SVM引入
30-Python進(jìn)階（下）
31-決策樹
32-數(shù)據(jù)呈現(xiàn)基礎(chǔ)
33-云計(jì)算初步
34-D-Park實(shí)戰(zhàn)
35-第四范式分享
36-決策樹到隨機(jī)森林
37-數(shù)據(jù)呈現(xiàn)進(jìn)階
38-強(qiáng)化學(xué)習(xí)（上）
39-強(qiáng)化學(xué)習(xí)（下）
40-SVM和網(wǎng)絡(luò)引入
41-集成模型總結(jié)和GDBT理解及其衍生應(yīng)用
42-網(wǎng)絡(luò)
43-監(jiān)督學(xué)習(xí)－回歸
44-監(jiān)督學(xué)習(xí)－分類
45-網(wǎng)絡(luò)基礎(chǔ)與卷積網(wǎng)絡(luò)
46-時(shí)間序列預(yù)測(cè)
47-人工智能金融應(yīng)用
48-計(jì)算機(jī)視覺深度學(xué)習(xí)入門目的篇
49-計(jì)算機(jī)視覺深度學(xué)習(xí)入門結(jié)構(gòu)篇
50-計(jì)算機(jī)視覺學(xué)習(xí)入門優(yōu)化篇
51-計(jì)算機(jī)視覺深度學(xué)習(xí)入門數(shù)據(jù)篇
52-計(jì)算機(jī)視覺深度學(xué)習(xí)入門工具篇
53-個(gè)化推薦算法
54-Pig和Spark鞏固
55-人工智能與設(shè)計(jì)
56-網(wǎng)絡(luò)
57-線動(dòng)力學(xué)
58-訂單流模型
59-區(qū)塊鏈一場(chǎng)革命
60-統(tǒng)計(jì)物理專題（一）
61-統(tǒng)計(jì)物理專題（二）
62-復(fù)雜網(wǎng)絡(luò)簡(jiǎn)介
63-ABM簡(jiǎn)介及金融市場(chǎng)建模
64-用伊辛模型理解復(fù)雜系統(tǒng)
65-金融市場(chǎng)的復(fù)雜性
66-廣泛出現(xiàn)的冪律分布
67-自然啟發(fā)算法
68-機(jī)器學(xué)習(xí)的方法
69-模型可視化工程管理
70-Value Iteration Networks
70-最新回放
71-線動(dòng)力學(xué)系統(tǒng)（上）
72-線動(dòng)力學(xué)系統(tǒng)（下）
73-自然語言處理導(dǎo)入
74-復(fù)雜網(wǎng)絡(luò)上的物理傳輸過程
75-RNN及LSTM
76-漫談人工智能創(chuàng)業(yè)
77-學(xué)習(xí)其他主題
78-課程總結(jié)
