万门大学 人工智能、大数据与复杂系统一月特训班

万门大学 人工智能、大数据与复杂系统一月特训班,课程目录清单:

  • 第 1 讲复杂系统
  • 第 2 讲大数据与机器学习
  • 第 3 讲人工智能的三个阶段
  • 第 4 讲高等数学—元素和极限
  • 第 5 讲复杂网络经济学应用
  • 第 6 讲机器学习与监督算法
  • 第 7 讲阿尔法狗与强化学习算法
  • 第 8 讲高等数学—两个重要的极限定理
  • 第 9 讲高等数学—导数
  • 第 10 讲贝叶斯理论
  • 第 11 讲高等数学—泰勒展开
  • 第 12 讲高等数学—偏导数
  • 第 13 讲高等数学—积分
  • 第 14 讲高等数学—正态分布
  • 第 15 讲朴素贝叶斯和最大似然估计
  • 第 16 讲线性代数—线性空间和线性变换
  • 第 17 讲数据科学和统计学(上)
  • 第 18 讲线性代数—矩阵、等价类和行列式
  • 第 19 讲Python基础课程(上)
  • 第 20 讲线性代数—特征值与特征向量
  • 第 21 讲监督学习框架
  • 第 22 讲Python基础课程(下)
  • 第 23 讲PCA、降维方法引入
  • 第 24 讲数据科学和统计学(下)
  • 第 25 讲Python操作数据库、 Python爬虫
  • 第 26 讲线性分类器
  • 第 27 讲Python进阶(上)
  • 第 28 讲Scikit-Learn
  • 第 29 讲熵、逻辑斯蒂回归、SVM引入
  • 第 30 讲Python进阶(下)
  • 第 31 讲决策树
  • 第 32 讲数据呈现基础
  • 第 33 讲云计算初步
  • 第 34 讲D-Park实战
  • 第 35 讲第四范式分享
  • 第 36 讲决策树到随机森林
  • 第 37 讲数据呈现进阶
  • 第 38 讲强化学习(上)
  • 第 39 讲强化学习(下)
  • 第 40 讲SVM和神经网络引入
  • 第 41 讲集成模型总结和GDBT理解及其衍生应用
  • 第 42 讲神经网络
  • 第 43 讲监督学习-回归
  • 第 44 讲监督学习-分类
  • 第 45 讲神经网络基础与卷积网络
  • 第 46 讲时间序列预测
  • 第 47 讲人工智能金融应用
  • 第 48 讲计算机视觉深度学习入门目的篇
  • 第 49 讲计算机视觉深度学习入门结构篇
  • 第 50 讲计算机视觉深度学习入门优化篇
  • 第 51 讲计算机视觉深度学习入门数据篇
  • 第 52 讲计算机视觉深度学习入门工具篇
  • 第 53 讲个性化推荐算法
  • 第 54 讲Pig和Spark巩固
  • 第 55 讲人工智能与设计
  • 第 56 讲神经网络
  • 第 57 讲非线性动力学
  • 第 58 讲高频交易订单流模型
  • 第 59 讲区块链:一场革命
  • 第 60 讲统计物理专题(一)
  • 第 61 讲统计物理专题(二)
  • 第 62 讲复杂网络简介
  • 第 63 讲ABM简介及金融市场建模
  • 第 64 讲用伊辛模型理解复杂系统
  • 第 65 讲金融市场的复杂性
  • 第 66 讲广泛出现的幂律分布
  • 第 67 讲自然启发算法
  • 第 68 讲机器学习的方法
  • 第 69 讲模型可视化工程管理
  • 第 70 讲Value Iteration Networks
  • 第 71 讲非线性动力学系统(上)
  • 第 72 讲非线性动力学系统(下)
  • 第 73 讲自然语言处理导入
  • 第 74 讲复杂网络上的物理传输过程
  • 第 75 讲RNN及LSTM
  • 第 76 讲漫谈人工智能创业
  • 第 77 讲深度学习其他主题
  • 第 78 讲课程总结
           百度网盘