人工智能、大数据与复杂系统

本课程从人工智能、大数据与复杂系统的共同主线-数学开始讲解，再深入其发展历程，具体介绍它们的发展历史，列举其在生活中的应用，告诉你学习人工智能、大数据与复杂系统的重要性。课程内容具体包含阿尔法狗与强化学习算法、Python、PCA、降维方法引入、SVM和神经网络等重要知识体系，并采用真实项目案例，让你在案例中理解技术概念，并学会使用这些技术。

• 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