人工智能大数据与复杂系统学习

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—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

14-高等数学—正态分布学—积分

15-朴素贝叶斯和最大似然估计

16-线性代数—线性空间和线性变换

17-数据科学和统计学（上）

18-线性代数—矩阵、等价类和行列式

19-Python基础课程（上）

20-线性代数—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-线性分类器

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和神经网络引入

41-集成模型总结和GDBT理解及其衍生应用

42-神经网络

43-监督学习－回归

44-监督学习－分类

45-神经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-计算机视觉深度学习入门优化篇

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-个性化推荐算法

54-Pig和Spark巩固

55-人工智能与设计

56-神经网络

57-非线性动力学

58-高频交易订单流模型

59-区块链一场革命

60-统计物理专题（一）

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

70-最新回放

71-非线性动力学系统（上）

72-非线性动力学系统（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-深度学习其他主题

78-课程总结