课程清单 百度云网盘下载

0-宣传片

• 宣传片.mp4

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

• 2018-01-03 100644.jpg
• 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

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
• 2018-01-03 100644.jpg

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-第四范式分享

• 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
• 37.14Make a map（一）.mp4
• 37.15Make a map（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）

• 38.10Policy Learning（二）.mp4
• 38.11Policy Learning（三）.mp4
• 38.12Policy Learning（四）.mp4
• 38.13Policy Learning（五）.mp4
• 38.14Policy Learning（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
• 38.5Evaluation Problem（一）.mp4
• 38.6Evaluation Problem（二）.mp4
• 38.7Evaluation Problem（三）.mp4
• 38.8Evaluation Problem（四）.mp4
• 38.9Policy Learning（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
• 39.13RL in alphaGo（一）.mp4
• 39.14RL in alphaGo（二）.mp4
• 39.15RL in alphaGo（三）.mp4
• 39.16RL in alphaGo（四）.mp4
• 39.1Policy Learning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经验分享（一）.mp4
• 43.11经验分享（二）.mp4
• 43.12经验分享（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Weight Decay.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step by step（一）.mp4
• 53.7建模step by step（二）.mp4
• 53.8建模step by step（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
• 57.5定点理论.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

• 62.1Networks in real worlds.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Monte Carlo模拟.mp4
• 64.5Ising Model(2D).mp4
• 64.6相变和临界现象.mp4
• 64.7Critical Exponents.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

• 65.10Classical Benchmarks（五）.mp4
• 65.11Endogenous Risk（一）.mp4
• 65.12Endogenous Risk（二）.mp4
• 65.13Endogenous Risk（三）.mp4
• 65.14Endogenous Risk（四）.mp4
• 65.15Endogenous Risk（五）.mp4
• 65.16Endogenous Risk（六）.mp4
• 65.17Heterogeneous Beliefs（一）.mp4
• 65.18Heterogeneous Beliefs（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
• 65.6Classical Benchmarks（一）.mp4
• 65.7Classical Benchmarks（二）.mp4
• 65.8Classical Benchmarks（三）.mp4
• 65.9Classical Benchmarks（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—Jupyter Dashboard（一）.mp4
• 69.11定制化可视化系统—Jupyter Dashboard（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-Value Iteration Networks

• 70.1Background&Motivation.mp4
• 70.2Value Iteration.mp4
• 70.3Grid—world Domain.mp4
• 70.4总结及答疑.mp4

70-最新回放

• 0822 CNN RNN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
• 74.16Combining complex networks and data mining.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
• 75.11Reservoir computing—偷懒方法.mp4
• 75.12LSTM.mp4
• 75.13LSTM、Use Examples.mp4
• 75.14词向量、Deep RNN.mp4
• 75.15Encoder Decoder Structure.mp4
• 75.16LSTM Text Generation（一）.mp4
• 75.17LSTM Text Generation（二）.mp4
• 75.18LSTM Text Generation（三）.mp4
• 75.1RNN—序列处理器（一）.mp4
• 75.2RNN—序列处理器（二）.mp4
• 75.3A simple enough case.mp4
• 75.4A dance between fix points.mp4
• 75.5Fix point、Train Chaos.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—Spatial Transformer.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