人工智能、大数据与复杂系统特训班

1 - 复杂系统

2 - 大数据与机器学习

3 - 人工智能的三个阶段

4 - 高等数学—元素和极限

5 - 复杂网络经济学应用

6 - 机器学习与监督算法

7 - 阿尔法狗与强化学习算法

8 - 高等数学—两个重要的极限定理

9 - 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

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

资料