人工智能、大数据与复杂系统 网盘分享(32.64G)

完结万门大学

可以直接转存

01-复杂系统

1.1物理预测的胜利与失效.mp4

1.2预测失效原因.mp4

1.3复杂系统引论.mp4

1.4生活实例与本章答疑.mp4

02-大数据与机器学习

2.1大数据预测因为噪声失效.mp4

2.2大数据与机器学习.mp4

03-人工智能的三个阶段

3.10课程大纲（二）.mp4

3.1规则阶段.mp4

3.2机器学习阶段发展至连接主义阶段.mp4

3.3课间答疑.mp4

3.4连接主义阶段发展至深度学习阶段.mp4

3.5三个阶段总结分析.mp4

3.6人工智能的应用（一）.mp4

3.7人工智能的应用（二）.mp4

3.8课间答疑.mp4

3.9课程大纲（一）.mp4

04-高等数学—元素和极限

4.10级数的收敛.mp4

4.11极限的定义.mp4

4.12极限的四则运算.mp4

4.13极限的复合.mp4

4.14连续性.mp4

4.1实数的定义（一）.mp4

4.2实数的定义（二）.mp4

4.3实数的定义（三）.mp4

4.4实数的元素个数（一）.mp4

4.5实数的元素个数（二）.mp4

4.6自然数个数少于实数个数（一）.mp4

4.7自然数个数少于实数个数（二）.mp4

4.8无穷大之比较（一）.mp4

4.9无穷大之比较（二）.mp4

05-复杂网络经济学应用

5.1用网络的思维看经济结构.mp4

5.2复杂网络认识前后.mp4

5.3从网络结构看不同地区（一）.mp4

5.4从网络结构看不同地区（二）.mp4

06-机器学习与监督算法

6.1什么是机器学习.mp4

6.2机器学习的类型.mp4

6.3简单回归实例（一）.mp4

6.4简单回归实例（二）.mp4

6.5简单回归实例（三）.mp4

07-阿尔法狗与强化学习算法

7.1人工智能的发展.mp4

7.2强化学习算法（一）.mp4

7.3强化学习算法（二）.mp4

7.4强化学习算法（三）.mp4

7.5Alphago给我们的启示.mp4

7.6无监督学习.mp4

08-高等数学—两个重要的极限定理

8.1元素与极限的知识点回顾.mp4

8.2第一个重要极限定理的证明（一）.mp4

8.3第一个重要极限定理的证明（二）.mp4

8.4夹逼定理.mp4

8.5第二个重要极限定理的证明.mp4

09-高等数学—导数

9.10泰勒展开的证明.mp4

9.1导数的定义.mp4

9.2初等函数的导数.mp4

9.3反函数的导数（一）.mp4

9.4反函数的导数（二）.mp4

9.5复合函数的导数.mp4

9.6泰勒展开.mp4

9.7罗尔定理.mp4

9.8微分中值定理和柯西中值定理.mp4

9.9洛比塔法则.mp4

0-宣传片

宣传片.mp4

10-贝叶斯理论

10.10贝叶斯于机器学习（一）.mp4

10.11贝叶斯于机器学习（二）.mp4

10.12贝叶斯决策（一）.mp4

10.13贝叶斯决策（二）.mp4

10.14贝叶斯决策（三）.mp4

10.1梯度优化（一）.mp4

10.2梯度优化（二）.mp4

10.3概率基础.mp4

10.4概率与事件.mp4

10.5贝叶斯推理（一）.mp4

10.6贝叶斯推理（二）.mp4

10.7贝叶斯推理（三）.mp4

10.8辛普森案件.mp4

10.9贝叶斯推理深入.mp4

11-高等数学—泰勒展开

11.1泰勒展开.mp4

11.2展开半径.mp4

11.3欧拉公式.mp4

11.4泰勒展开求极限（一）.mp4

11.5泰勒展开求极限（二）.mp4

12-高等数学—偏导数

12.1偏导数的对称性.mp4

12.2链式法则.mp4

12.3梯度算符、拉氏算符.mp4

13-高等数学—积分

13.1黎曼积分.mp4

13.2微积分基本定理.mp4

13.3分部积分（一）.mp4

13.4分部积分（二）.mp4

14-高等数学—正态分布

14.1标准正态分布.mp4

14.2中心极限定理.mp4

14.3误差函数.mp4

14.4二维正态分布.mp4

14.5多维正态分布.mp4

15-朴素贝叶斯和最大似然估计

15.10朴素贝叶斯（三）.mp4

15.11最大似然估计（一）.mp4

15.12最大似然估计（二）.mp4

15.1蒙特卡洛分析（一）.mp4

15.2蒙特卡洛分析（二）.mp4

15.3贝叶斯先验.mp4

15.4先验到后验的过程.mp4

15.5朴素贝叶斯（一）.mp4

15.6朴素贝叶斯（二）.mp4

15.7算法设计.mp4

15.8TF-IDF（一）.mp4

15.9TF-IDF（二）.mp4

16-线性代数—线性空间和线性变换

16.10非常规线性空间.mp4

16.11线性相关和线性无关.mp4

16.12秩.mp4

16.1线性代数概述.mp4

16.2线性代数应用方法论.mp4

16.3线性乘法的可交换性和结合律.mp4

16.4线性空间.mp4

16.5线性空间八条法则（一）.mp4

16.6线性空间八条法则（二）.mp4

16.7线性空间八条法则（三）.mp4

16.8连续傅立叶变换.mp4

16.9离散傅立叶变换.mp4

17-数据科学和统计学（上）

17.10随机变量（二）.mp4

17.11换门的概率模拟计算（一）.mp4

17.12换门的概率模拟计算（二）.mp4

17.13换门的概率模拟计算（三）.mp4

17.1课程Overview.mp4

17.2回顾统计学（一）.mp4

17.3回顾统计学（二）.mp4

17.4回顾统计学（三）.mp4

17.5回顾数据科学（一）.mp4

17.6回顾数据科学（二）和教材介绍.mp4

17.7R和RStudio等介绍（一）.mp4

17.8R和RStudio等介绍（二）.mp4

17.9随机变量（一）.mp4

18-线性代数—矩阵、等价类和行列式

18.10等价类.mp4

18.11行列式（一）.mp4

18.12行列式（二）.mp4

18.13行列式（三）.mp4

18.1线性代数知识点回顾.mp4

18.2矩阵表示线性变化.mp4

18.3可逆矩阵表示坐标变化.mp4

18.4相似矩阵.mp4

18.5相似矩阵表示相同线性变化.mp4

18.6线性代数解微分方程.mp4

18.7矩阵的运算—转秩（一）.mp4

18.8矩阵的运算—转秩（二）.mp4

18.9等价关系.mp4

19-Python基础课程（上）

19.10变量类型—字符串类型（三）.mp4

19.11变量类型—列表类型（一）.mp4

19.12变量类型—列表类型（二）.mp4

19.13变量类型—列表类型（三）.mp4

19.14变量类型—语言组类型、字典类型（一）.mp4

19.15变量类型—字典类型（二）.mp4

19.1Python介绍（一）.mp4

19.2Python介绍（二）.mp4

19.3变量—命名规范.mp4

19.4变量—代码规范.mp4

19.5变量类型—数值类型.mp4

19.6变量类型—bool类型.mp4

19.7变量类型—字符串类型（一）.mp4

19.8课间答疑.mp4

19.9变量类型—字符串类型（二）.mp4

20-线性代数—特征值与特征向量

20.10线性代数核心定理.mp4

20.11对偶空间（一）.mp4

20.12对偶空间（二）.mp4

20.13欧氏空间与闵氏空间.mp4

20.14厄米矩阵.mp4

20.1线性代数知识点回顾.mp4

20.2例题讲解（一）.mp4

20.3例题讲解（二）.mp4

20.4例题讲解（三）.mp4

20.5特征值与特征向量的物理意义.mp4

20.6特征值与特征向量的性质（一）.mp4

20.7特征值与特征向量的性质（二）.mp4

20.8本征值的计算（一）.mp4

20.9本征值的计算（二）.mp4

21-监督学习框架

21.10KNN(K最近邻)算法（二）.mp4

21.11KNN(K最近邻)算法（三）.mp4

21.12线性分类器.mp4

21.13高斯判别模型（一）.mp4

21.14高斯判别模型（二）.mp4

21.1经验误差和泛化误差.mp4

21.2最大后验估计.mp4

21.3正则化.mp4

21.4lasso回归.mp4

21.5超参数（一）.mp4

21.6超参数（二）.mp4

21.7监督学习框架（一）.mp4

21.8监督学习框架（二）.mp4

21.9KNN(K最近邻)算法（一）.mp4

22-Python基础课程（下）

22.10函数（三）.mp4

22.11函数（四）.mp4

22.12类（一）.mp4

22.13类（二）.mp4

22.14类（三）.mp4

22.1条件判断（一）.mp4

22.2条件判断（二）.mp4

22.3循环（一）.mp4

22.4循环（二）.mp4

22.5课间答疑.mp4

22.6循环（三）.mp4

22.7循环（四）.mp4

22.8函数（一）.mp4

22.9函数（二）.mp4

23-PCA、降维方法引入

23.1无监督学习框架.mp4

23.2降维存在的原因.mp4

23.3PCA数学分析方法（一）.mp4

23.4PCA数学分析方法（二）.mp4

23.5PCA数学分析方法（三）.mp4

23.6PCA数学分析方法（四）.mp4

23.7PCA之外的降维方法—LDA.mp4

23.8PCA背后的假设（一）.mp4

23.9PCA背后的假设（二）.mp4

24-数据科学和统计学（下）

24.10参数估计（一）.mp4

24.11参数估计（二）.mp4

24.12假设检验（一）.mp4

24.13假设检验（二）.mp4

24.1课程Overview.mp4

24.2理解统计思想（一）.mp4

24.3理解统计思想（二）.mp4

24.4理解统计思想（三）.mp4

24.5概率空间.mp4

24.6随机变量（一）.mp4

24.7随机变量（二）.mp4

24.8随机变量（三）.mp4

24.9随机变量（四）.mp4

25-Python操作数据库、Python爬虫

25.10Python操作数据库（二）.mp4

25.11Python操作数据库（三）.mp4

25.12Python操作数据库（四）.mp4

25.13Python爬虫（一）.mp4

25.14Python爬虫（二）.mp4

25.15Python爬虫（三）.mp4

25.16Python爬虫（四）.mp4

25.17Python爬虫（五）.mp4

25.1课程介绍.mp4

25.2认识关系型数据库（一）.mp4

25.3认识关系型数据库（二）.mp4

25.4MySQL数据库与Excel的不同.mp4

25.5命令行操作数据库（一）.mp4

25.6命令行操作数据库（二）.mp4

25.7命令行操作数据库（三）.mp4

25.8命令行操作数据库（四）.mp4

25.9Python操作数据库（一）.mp4

26-线性分类器

26.10Perceptron（三）.mp4

26.11Perceptron（四）.mp4

26.12熵与信息（一）.mp4

26.13熵与信息（二）.mp4

26.1Lasso：alpha参数与准确率（一）.mp4

26.2Lasso：alpha参数与准确率（二）.mp4

26.3Lasso：alpha参数与准确率（三）.mp4

26.4线性分类器.mp4

26.5LDA（一）.mp4

26.6LDA（二）.mp4

26.7LDA（三）.mp4

26.8Perceptron（一）.mp4

26.9Perceptron（二）.mp4

27-Python进阶（上）

27.10Pandas基本操作（四）.mp4

27.11Pandas绘图（一）.mp4

27.12Pandas绘图（二）.mp4

27.13Pandas绘图（三）.mp4

27.14Pandas绘图（四）.mp4

27.1NumPy基本操作（一）.mp4

27.2NumPy基本操作（二）.mp4

27.3NumPy基本操作（三）.mp4

27.4NumPy基本操作（四）.mp4

27.5NumPy基本操作（五）.mp4

27.6NumPy基本操作（六）.mp4

27.7Pandas基本操作（一）.mp4

27.8Pandas基本操作（二）.mp4

27.9Pandas基本操作（三）.mp4

28-Scikit-Learn

28.1课程介绍.mp4

28.2Scikit-Learn介绍.mp4

28.3数据处理（一）.mp4

28.4数据处理（二）.mp4

28.5模型实例、模型选择（一）.mp4

28.6模型实例、模型选择（二）.mp4

28.7模型实例、模型选择（三）.mp4

28.8模型实例、模型选择（四）.mp4

28.9模型实例、模型选择（五）.mp4

29-熵、逻辑斯蒂回归、SVM引入

29.10逻辑斯蒂回归（三）.mp4

29.11逻辑斯蒂回归（四）.mp4

29.12逻辑斯蒂回归（五）.mp4

29.13SVM引入.mp4

29.1熵（一）.mp4

29.2熵（二）.mp4

29.3熵（三）.mp4

29.4熵（四）.mp4

29.5熵（五）.mp4

29.6熵（六）.mp4

29.7熵（七）.mp4

29.8逻辑斯蒂回归（一）.mp4

29.9逻辑斯蒂回归（二）.mp4

30-Python进阶（下）

30.1泰坦尼克数据处理与分析（一）.mp4

30.2泰坦尼克数据处理与分析（二）.mp4

30.3泰坦尼克数据处理与分析（三）.mp4

30.4泰坦尼克数据处理与分析（四）.mp4

30.5泰坦尼克数据处理与分析（五）.mp4

30.6泰坦尼克数据处理与分析（六）.mp4

30.7泰坦尼克数据处理与分析（七）.mp4

30.8泰坦尼克数据处理与分析（八）.mp4

30.9泰坦尼克数据处理与分析（九）.mp4

31-决策树

31.1决策树（一）.mp4

31.2决策树（二）.mp4

31.3决策树（三）.mp4

31.4决策树（四）.mp4

32-数据呈现基础

32.1课程安排.mp4

32.2什么是数据可视化.mp4

32.3设计原则.mp4

32.4数据可视化流程.mp4

32.5视觉编码.mp4

32.6图形选择（一）.mp4

32.7图形选择（二）.mp4

32.8图形选择（三）.mp4

33-云计算初步

33.1Hadoop介绍.mp4

33.2Hdfs应用（一）.mp4

33.3Hdfs应用（二）.mp4

33.4MapReduce（一）.mp4

33.5MapReduce（二）.mp4

33.6Hive应用（一）.mp4

33.7Hive应用（二）.mp4

33.8Hive应用（三）.mp4

33.9Hive应用（四）.mp4

34-D-Park实战

34.10Spark应用（四）.mp4

34.11Spark应用（五）.mp4

34.12Spark应用（六）.mp4

34.13Spark应用（七）.mp4

34.1Pig应用（一）.mp4

34.2Pig应用（二）.mp4

34.3Pig应用（三）.mp4

34.4Pig应用（四）.mp4

34.5Pig应用（五）.mp4

34.6Pig应用（六）.mp4

34.7Spark应用（一）.mp4

34.8Spark应用（二）.mp4

34.9Spark应用（三）.mp4

35-第四范式

35.1推荐技术的介绍.mp4

35.2人是如何推荐商品的.mp4

35.3推荐系统的形式化以及如何评价推荐结果.mp4

35.4求解—从数据到模型.mp4

35.5数据拆分与特征工程.mp4

35.6推荐系统机器学习模型.mp4

35.7评估模型.mp4

35.8建模过程的演示与课间答疑.mp4

36-决策树到随机森林

36.10Bagging与决策树（一）.mp4

36.11Bagging与决策树（二）.mp4

36.12Boosting方法（一）.mp4

36.13Boosting方法（二）.mp4

36.14Boosting方法（三）.mp4

36.15Boosting方法（四）.mp4

36.1决策树.mp4

36.2随机森林.mp4

36.3在Scikit-Learn里面如何用随机森林做预测（一）.mp4

36.4在Scikit-Learn里面如何用随机森林做预测（二）.mp4

36.5模型参数的介绍.mp4

36.6集成方法（一）.mp4

36.7集成方法（二）.mp4

36.8Blending.mp4

36.9gt多样化.mp4

37-数据呈现进阶

37.10D3（三）.mp4

37.11div.html.mp4

37.12svg.html.mp4

37.13D3支持的数据类型.mp4

37.14Makeamap（一）.mp4

37.15Makeamap（二）.mp4

37.1静态信息图（一）.mp4

37.2静态信息图（二）.mp4

37.3静态信息图（三）.mp4

37.4静态信息图（四）.mp4

37.5静态信息图（五）.mp4

37.6HTML、CSS和JavaScript基础介绍.mp4

37.7DOM和开发者工具.mp4

37.8D3（一）.mp4

37.9D3（二）.mp4

38-强化学习（上）

38.10PolicyLearning（二）.mp4

38.11PolicyLearning（三）.mp4

38.12PolicyLearning（四）.mp4

38.13PolicyLearning（五）.mp4

38.14PolicyLearning（六）.mp4

38.1你所了解的强化学习是什么.mp4

38.2经典条件反射（一）.mp4

38.3经典条件反射（二）.mp4

38.4操作性条件反射.mp4

38.5EvaluationProblem（一）.mp4

38.6EvaluationProblem（二）.mp4

38.7EvaluationProblem（三）.mp4

38.8EvaluationProblem（四）.mp4

38.9PolicyLearning（一）.mp4

39-强化学习（下）

39.10大脑中的强化学习算法（三）.mp4

39.11大脑中的强化学习算法（四）.mp4

39.12大脑中的强化学习算法（五）.mp4

39.13RLinalphaGo（一）.mp4

39.14RLinalphaGo（二）.mp4

39.15RLinalphaGo（三）.mp4

39.16RLinalphaGo（四）.mp4

39.1PolicyLearning总结.mp4

39.2基于模型的RL（一）.mp4

39.3基于模型的RL（二）.mp4

39.4基于模型的RL（三）.mp4

39.5基于模型的RL（四）.mp4

39.6基于模型的RL（五）.mp4

39.7基于模型的RL（六）.mp4

39.8大脑中的强化学习算法（一）.mp4

39.9大脑中的强化学习算法（二）.mp4

40-SVM和神经网络引入

40.10SVM（九）.mp4

40.11SVM（十）.mp4

40.12SVM（十一）.mp4

40.13SVM（十二）和神经网络引入.mp4

40.1VC维.mp4

40.2SVM（一）.mp4

40.3SVM（二）.mp4

40.4SVM（三）.mp4

40.5SVM（四）.mp4

40.6SVM（五）.mp4

40.7SVM（六）.mp4

40.8SVM（七）.mp4

40.9SVM（八）.mp4

41-集成模型总结和GDBT理解及其衍生应用

41.10GDBT理解及其衍生应用（五）.mp4

41.11GDBT理解及其衍生应用（六）.mp4

41.12GDBT理解及其衍生应用（七）.mp4

41.13GDBT理解及其衍生应用（八）.mp4

41.14GDBT理解及其衍生应用（九）.mp4

41.15GDBT理解及其衍生应用（十）.mp4

41.1集成模型总结（一）.mp4

41.2集成模型总结（二）.mp4

41.3集成模型总结（三）.mp4

41.4集成模型总结（四）.mp4

41.5集成模型总结（五）.mp4

41.6GDBT理解及其衍生应用（一）.mp4

41.7GDBT理解及其衍生应用（二）.mp4

41.8GDBT理解及其衍生应用（三）.mp4

41.9GDBT理解及其衍生应用（四）.mp4

42-神经网络

42.1SVM比较其他分类起代码（一）.mp4

42.2SVM比较其他分类起代码（二）.mp4

42.3神经网络（一）.mp4

42.4神经网络（二）.mp4

42.5神经网络（三）.mp4

42.6神经网络（四）.mp4

43-监督学习－回归

43.10经验（一）.mp4

43.11经验（二）.mp4

43.12经验（三）.mp4

43.1机器学习的概念和监督学习.mp4

43.2机器学习工作流程（一）.mp4

43.3机器学习工作流程（二）.mp4

43.4机器学习工作流程（三）.mp4

43.5机器学习工作流程（四）.mp4

43.6案例分析（一）.mp4

43.7案例分析（二）.mp4

43.8案例分析（三）.mp4

43.9案例分析（四）.mp4

44-监督学习－分类

44.10模型训练与选择（二）.mp4

44.11Airbnb数据探索过程（一）.mp4

44.12Airbnb数据探索过程（二）.mp4

44.13地震数据可视化过程（一）.mp4

44.14地震数据可视化过程（二）.mp4

44.1常用的分类算法.mp4

44.2模型评估标准和案例分析.mp4

44.3数据探索（一）.mp4

44.4数据探索（二）.mp4

44.5数据探索（三）.mp4

44.6数据探索（四）.mp4

44.7数据探索（五）.mp4

44.8数据探索（六）.mp4

44.9模型训练与选择（一）.mp4

45-神经网络基础与卷积网络

45.10神经网络（十）.mp4

45.11图像处理基础.mp4

45.12卷积（一）.mp4

45.13卷积（二）.mp4

45.1神经网络（一）.mp4

45.2神经网络（二）.mp4

45.3神经网络（三）.mp4

45.4神经网络（四）.mp4

45.5神经网络（五）.mp4

45.6神经网络（六）.mp4

45.7神经网络（七）.mp4

45.8神经网络（八）.mp4

45.9神经网络（九）.mp4

46-时间序列预测

46.10长短期记忆网络（LSTM）案例分析.mp4

46.11Facebook开源的新预测工具—Prophet（一）.mp4

46.12Facebook开源的新预测工具—Prophet（二）.mp4

46.13课程答疑.mp4

46.1时间序列预测概述（一）.mp4

46.2时间序列预测概述（二）.mp4

46.3差分自回归移动平均模型(ARIMA).mp4

46.4差分自回归移动平均模型(ARIMA)案例分析（一）.mp4

46.5差分自回归移动平均模型(ARIMA)案例分析（二）.mp4

46.6差分自回归移动平均模型(ARIMA)案例分析（三）.mp4

46.7差分自回归移动平均模型(ARIMA)案例分析（四）.mp4

46.8长短期记忆网络（LSTM）（一）.mp4

46.9长短期记忆网络（LSTM）（二）.mp4

47-人工智能金融应用

47.1人工智能金融应用（一）.mp4

47.2人工智能金融应用（二）.mp4

47.3人工智能金融应用（三）.mp4

47.4人工智能金融应用（四）.mp4

47.5机器学习方法（一）.mp4

47.6机器学习方法（二）.mp4

47.7机器学习方法（三）.mp4

47.8机器学习方法（四）.mp4

48-计算机视觉深度学习入门目的篇

48.1计算机视觉深度学习入门概述.mp4

48.2计算机视觉领域正在关心的问题（一）.mp4

48.3计算机视觉领域正在关心的问题（二）.mp4

48.4实际问题转化为具体问题并用深度学习解决（一）.mp4

48.5实际问题转化为具体问题并用深度学习解决（二）.mp4

48.6实际问题转化为具体问题并用深度学习解决（三）.mp4

48.7实际问题转化为具体问题并用深度学习解决（四）.mp4

49-计算机视觉深度学习入门结构篇

49.10结构之间的优劣评判以及实验结果（五）.mp4

49.11结构之间的优劣评判以及实验结果（六）.mp4

49.12结构之间的优劣评判以及实验结果（七）.mp4

49.13结构之间的优劣评判以及实验结果（八）.mp4

49.1复习计算机视觉最主要的负责特征提取的结构CNN.mp4

49.2特征如何组织（一）.mp4

49.3特征如何组织（二）.mp4

49.4特征如何组织（三）.mp4

49.5特征如何组织（四）.mp4

49.6结构之间的优劣评判以及实验结果（一）.mp4

49.7结构之间的优劣评判以及实验结果（二）.mp4

49.8结构之间的优劣评判以及实验结果（三）.mp4

49.9结构之间的优劣评判以及实验结果（四）.mp4

50-计算机视觉深度学习入门优化篇

50.1计算机视觉深度学习入门：优化篇概述.mp4

50.2CNN模型的一阶优化逻辑.mp4

50.3训练稳定性：Annealing和Momentum.mp4

50.4抗拟合：从Dropout到WeightDecay.mp4

50.5竞争优化器和多机并行.mp4

50.6手动超参优化逻辑以及超参优化往何处去.mp4

51-计算机视觉深度学习入门数据篇

51.1计算机视觉领域的常用竞赛数据集.mp4

51.2对数据常用的预处理工作和后处理工作如何提高竞赛成绩（一）.mp4

51.3对数据常用的预处理工作和后处理工作如何提高竞赛成绩（二）.mp4

51.4如何使用端到端深度学习的方法.mp4

52-计算机视觉深度学习入门工具篇

52.1计算机视觉深度学习入门工具篇（一）.mp4

52.2计算机视觉深度学习入门工具篇（二）.mp4

52.3计算机视觉深度学习入门工具篇（三）.mp4

53-个性化推荐算法

53.10工程化实践、常见的问题与解决方法、前沿进展与展望.mp4

53.1个性化推荐的发展.mp4

53.2推荐算法的演进（一）.mp4

53.3推荐算法的演进（二）.mp4

53.4推荐算法的演进（三）.mp4

53.5推荐算法的演进（四）.mp4

53.6建模stepbystep（一）.mp4

53.7建模stepbystep（二）.mp4

53.8建模stepbystep（三）.mp4

53.9算法评估和迭代.mp4

54-Pig和Spark巩固

54.10Spark巩固（五）.mp4

54.1Pig巩固（一）.mp4

54.2Pig巩固（二）.mp4

54.3Pig巩固（三）.mp4

54.4Pig巩固（四）.mp4

54.5Pig巩固（五）.mp4

54.6Spark巩固（一）.mp4

54.7Spark巩固（二）.mp4

54.8Spark巩固（三）.mp4

54.9Spark巩固（四）.mp4

55-人工智能与设计

55.10使用人工智能的方式.mp4

55.1智能存在的意义是什么.mp4

55.2已有人工智的设计应用.mp4

55.3人的智能（一）.mp4

55.4人的智能（二）.mp4

55.5人的智能的特点（一）.mp4

55.6人的智能的特点（二）.mp4

55.7人的智能的特点（三）.mp4

55.8人工智能（一）.mp4

55.9人工智能（二）.mp4

56-神经网络

56.1卷积的本质.mp4

56.2卷积的三大特点.mp4

56.3Pooling.mp4

56.4数字识别（一）.mp4

56.5数字识别（二）.mp4

56.6感受野.mp4

56.7RNN.mp4

57-非线性动力学

57.1非线性动力学.mp4

57.2线性动力系统.mp4

57.3线性动力学与非线性动力学系统（一）.mp4

57.4线性动力学与非线性动力学系统（二）.mp4

57.6Poincare引理.mp4

58-高频交易订单流模型

58.1高频交易.mp4

58.2点过程基础（一）.mp4

58.3点过程基础（二）.mp4

58.4点过程基础（三）.mp4

58.5订单流数据分析（一）.mp4

58.6订单流数据分析（二）.mp4

58.7订单流数据分析（三）.mp4

58.8订单流数据分析（四）.mp4

58.9订单流数据分析（五）.mp4

59-区块链一场革命

59.1比特币（一）.mp4

59.2比特币（二）.mp4

59.3比特币（三）.mp4

59.4以太坊简介及ICO.mp4

60-统计物理专题（一）

60.10证明理想气体方程.mp4

60.11化学势.mp4

60.12四大热力学势（一）.mp4

60.13四大热力学势（二）.mp4

60.1统计物理的开端(一).mp4

60.2统计物理的开端（二）.mp4

60.3抛硬币抛出正态分布（一）.mp4

60.4抛硬币抛出正态分布（二）.mp4

60.5再造整个世界（一）.mp4

60.6再造整个世界（二）.mp4

60.7温度的本质（一）.mp4

60.8温度的本质（二）.mp4

60.9压强.mp4

61-统计物理专题（二）

61.1神奇公式.mp4.mp4

61.2信息熵（一）.mp4

61.3信息熵（二）.mp4

61.4Boltzmann分布.mp4

61.5配分函数Z.mp4

62-复杂网络简介

62.1Networksinrealworlds.mp4

62.2BasicConcepts（一）.mp4

62.3BasicConcepts（二）.mp4

62.4Models（一）.mp4

62.5Models（二）.mp4

62.6Algorithms（一）.mp4

62.7Algorithms（二）.mp4

63-ABM简介及金融市场建模

63.10ABM与复杂系统建模-交通系统（一）.mp4

63.11ABM与复杂系统建模-交通系统（二）.mp4

63.12ABM金融市场-SFI股票市场模型（一）.mp4

63.13ABM金融市场-SFI股票市场模型（二）.mp4

63.14ABM金融市场-genova市场模型.mp4

63.15ABM金融市场-Agent及其行为.mp4

63.16学习模型.mp4

63.17ABM金融市场-价格形成机制.mp4

63.18ABM的特点与缺陷.mp4

63.1课程介绍.mp4

63.2系统与系统建模.mp4

63.3ABM与复杂系统建模（一）.mp4

63.4ABM与复杂系统建模（二）.mp4

63.5ABM与复杂系统建模（三）.mp4

63.6ABM为经济系统建模.mp4

63.7经典经济学如何给市场建模.mp4

63.8ABM与复杂系统建模-市场交易.mp4

63.9ABM与复杂系统建模-技术扩散.mp4

64-用伊辛模型理解复杂系统

64.10（网络中的）投票模型.mp4

64.11观念动力学.mp4

64.12集体运动Vicsek模型.mp4

64.13自旋玻璃.mp4

64.14Hopfield神经网络.mp4

64.15限制Boltzmann机.mp4

64.16深度学习与重正化群（一）.mp4

64.17深度学习与重正化群（二）.mp4

64.18总结.mp4

64.19答疑.mp4

64.1伊辛模型的背景及格气模型.mp4

64.2伊辛模型（一）.mp4

64.3伊辛模型（二）.mp4

64.4从能量到统计分布及MonteCarlo模拟.mp4

64.5IsingModel(2D).mp4

64.6相变和临界现象.mp4

64.7CriticalExponents.mp4

64.8正问题和反问题.mp4

64.9（空间中的）投票模型.mp4

65-金融市场的复杂性

65.10ClassicalBenchmarks（五）.mp4

65.11EndogenousRisk（一）.mp4

65.12EndogenousRisk（二）.mp4

65.13EndogenousRisk（三）.mp4

65.14EndogenousRisk（四）.mp4

65.15EndogenousRisk（五）.mp4

65.16EndogenousRisk（六）.mp4

65.17HeterogeneousBeliefs（一）.mp4

65.18HeterogeneousBeliefs（二）.mp4

65.19总结.mp4

65.1导论（一）.mp4

65.2导论（二）.mp4

65.3导论（三）.mp4

65.4导论（四）.mp4

65.5导论（五）.mp4

65.6ClassicalBenchmarks（一）.mp4

65.7ClassicalBenchmarks（二）.mp4

65.8ClassicalBenchmarks（三）.mp4

65.9ClassicalBenchmarks（四）.mp4

66-广泛出现的幂律分布

66.1生物界（一）.mp4

66.2生物界（二）.mp4

66.3生物界（三）.mp4

66.4生物界（四）.mp4

66.5城市、商业（一）.mp4

66.6城市、商业（二）.mp4

66.7启示（一）.mp4

66.8启示（二）.mp4

66.9总结.mp4

67-自然启发算法

67.10粒子群算法（一）.mp4

67.11粒子群算法（二）.mp4

67.12粒子群算法（三）.mp4

67.13遗传算法和PSO的比较.mp4

67.14更多的类似的算法（一）.mp4

67.15更多的类似的算法（二）.mp4

67.16答疑.mp4

67.1课程回顾及答疑.mp4

67.2概括（一）.mp4

67.3概括（二）.mp4

67.4模拟退火算法（一）.mp4

67.5模拟退火算法（二）.mp4

67.6进化相关的算法（一）.mp4

67.7进化相关的算法（二）.mp4

67.8进化相关的算法（三）.mp4

67.9进化相关的算法（四）.mp4

68-机器学习的方法

68.10输出是最好的学习（二）.mp4

68.11案例（一）.mp4

68.12案例（二）.mp4

68.13案例（三）.mp4

68.14案例（四）.mp4

68.15案例（五）.mp4

68.1为什么要讲学习方法.mp4

68.2阅读论文.mp4

68.3综述式文章举例（一）.mp4

68.4综述式文章举例（二）.mp4

68.5碎片化时间学习及书籍.mp4

68.6视频学习资源及做思维导图.mp4

68.7铁哥答疑（一）.mp4

68.8铁哥答疑（二）.mp4

68.9输出是最好的学习（一）.mp4

69-模型可视化工程管理

69.10定制化可视化系统—JupyterDashboard（一）.mp4

69.11定制化可视化系统—JupyterDashboard（二）.mp4

69.12变身前端—seaboarn+Bokeh+Echarts.mp4

69.13日志管理系统—ELK.mp4

69.14极速Bi系统—superset.mp4

69.15Dashboard补充.mp4

69.16ELK补充.mp4

69.17Superset补充.mp4

69.18Superset补充及总结.mp4

69.1课程简介.mp4

69.2虚拟换环境—Anaconda&docker（一）.mp4

69.3虚拟换环境—Anaconda&docker（二）.mp4

69.4虚拟换环境—Anaconda&docker（三）.mp4

69.5虚拟换环境—Anaconda&docker（四）.mp4

69.6虚拟换环境—Anaconda&docker（五）.mp4

69.7虚拟换环境—Anaconda&docker（六）.mp4

69.8虚拟换环境—Anaconda&docker（七）.mp4

69.9虚拟换环境—Anaconda&docker（八）.mp4

70-ValueIterationNetworks

70.1Background&Motivation.mp4

70.2ValueIteration.mp4

70.3Grid—worldDomain.mp4

70.4总结及答疑.mp4

70-最新回放

0822CNNRNN回顾非线性动力学引入.mp4

0822高频订单流模型、区块链介绍.mp4

71-非线性动力学系统（上）

71.10混沌（一）.mp4

71.11混沌（二）.mp4

71.12混沌（三）.mp4

71.13混沌（四）.mp4

71.14混沌（五）.mp4

71.15混沌（六）.mp4

71.16混沌（七）.mp4

71.17混沌（八）.mp4

71.18混沌（九）.mp4

71.19混沌（十）.mp4

71.1非线性动力学系统（一）.mp4

71.20混沌（十一）.mp4

71.2非线性动力学系统（二）.mp4

71.3二维系统动力学综述—Poincare引理.mp4

71.4Bifurcation（一）.mp4

71.5Bifurcation（二）.mp4

71.6Bifurcation（三）.mp4

71.7Bifurcation（四）.mp4

71.8Bifurcation（五）.mp4

71.9Bifurcation（六）.mp4

72-非线性动力学系统（下）

72.1自然语言处理乱弹（一）.mp4

72.2自然语言处理乱弹（二）.mp4

72.3RNN.mp4

72.4RNN及答疑.mp4

73-自然语言处理导入

73.1中文分词.mp4

73.2中文分词、依存文法分析.mp4

73.3篇章分析、自动摘要、知识提取、文本相似度计算.mp4

73.4知识库构建、问答系统.mp4

73.5示范战狼2的豆瓣评论词云（一）.mp4

73.6示范战狼2的豆瓣评论词云（二）.mp4

73.7示范战狼2的豆瓣评论词云（三）.mp4

73.8示范战狼2的豆瓣评论词云（四）.mp4

73.9示范战狼2的豆瓣评论词云（五）.mp4

74-复杂网络上的物理传输过程

74.10一些传播动力学模型（七）.mp4

74.11一些传播动力学模型（八）.mp4

74.12仿真模型的建立过程（一）.mp4

74.13仿真模型的建立过程（二）.mp4

74.14仿真模型的建立过程（三）.mp4

74.15仿真模型的建立过程（四）.mp4

74.16Combiningcomplexnetworksanddatamining.mp4

74.1一些基本概念.mp4

74.2常用的统计描述物理量.mp4

74.3四种网络模型.mp4

74.4一些传播动力学模型（一）.mp4

74.5一些传播动力学模型（二）.mp4

74.6一些传播动力学模型（三）.mp4

74.7一些传播动力学模型（四）.mp4

74.8一些传播动力学模型（五）.mp4

74.9一些传播动力学模型（六）.mp4

75-RNN及LSTM

75.10梯度消失与梯度爆炸（二）.mp4

75.11Reservoircomputing—偷懒方法.mp4

75.12LSTM.mp4

75.13LSTM、UseExamples.mp4

75.14词向量、DeepRNN.mp4

75.15EncoderDecoderStructure.mp4

75.16LSTMTextGeneration（一）.mp4

75.17LSTMTextGeneration（二）.mp4

75.18LSTMTextGeneration（三）.mp4

75.1RNN—序列处理器（一）.mp4

75.2RNN—序列处理器（二）.mp4

75.3Asimpleenoughcase.mp4

75.4Adancebetweenfixpoints.mp4

75.5Fixpoint、TrainChaos.mp4

75.6RNN作为生成模型（动力系统）.mp4

75.7RNN训练—BPTT（一）.mp4

75.8RNN训练—BPTT（二）.mp4

75.9梯度消失与梯度爆炸（一）.mp4

76-漫谈人工智能创业

76.10三个战略管理学商业模型（三）.mp4

76.11三个战略管理学商业模型（四）.mp4

76.12三个战略管理学商业模型（五）.mp4

76.13三个战略管理学商业模型（六）.mp4

76.14三个战略管理学商业模型（七）.mp4

76.15三个战略管理学商业模型（八）.mp4

76.16三个战略管理学商业模型（九）.mp4

76.17关于Entrepreneurship.mp4

76.1人工智能对我们生活的影响（一）.mp4

76.2人工智能对我们生活的影响（二）.mp4

76.3人工智能对我们生活的影响（三）.mp4

76.4人工智能对我们生活的影响（四）.mp4

76.5人工智能对我们生活的影响（五）.mp4

76.6人工智能对我们生活的影响（六）.mp4

76.7人工智能创业中的商业思维.mp4

76.8三个战略管理学商业模型（一）.mp4

76.9三个战略管理学商业模型（二）.mp4

77-深度学习其他主题

77.10程序讲解（三）.mp4

77.1神经网络的无穷潜力.mp4

77.2玻尔兹曼机—联想的机器.mp4

77.3受限玻尔兹曼机.mp4

77.4对抗学习（一）.mp4

77.5对抗学习（二）.mp4

77.6对抗学习（三）.mp4

77.7对抗学习（四）.mp4

77.8程序讲解（一）.mp4

77.9程序讲解（二）.mp4

78-课程总结

78.10课程总结（二）.mp4

78.1开场.mp4

78.2Attention实例—SpatialTransformer.mp4

78.3猫狗大战—CNN实战（一）.mp4

78.4猫狗大战—CNN实战（二）.mp4

78.5RNN诗人.mp4

78.6课程复习.mp4

78.7课程大纲（一）.mp4

78.8课程大纲（二）.mp4

78.9课程总结（一）.mp4