我們有幸站在時(shí)代的風(fēng)口，目睹信息科技掀起的革命風(fēng)暴，從AlphaGo到無人駕駛，人工智能結(jié)合大數(shù)據(jù)應(yīng)用場(chǎng)景越來越多，現(xiàn)今每個(gè)人的工作都和數(shù)據(jù)息息相關(guān)，無論是大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、人工智能還是無人駕駛汽車，它們都將深刻改變我們的生活。
【課程內(nèi)容】
宣傳片
復(fù)雜系統(tǒng)
大數(shù)據(jù)與機(jī)器學(xué)習(xí)
人工智能的三個(gè)階段
高等數(shù)學(xué)—元素和極限
復(fù)雜網(wǎng)絡(luò)經(jīng)濟(jì)學(xué)應(yīng)用
機(jī)器學(xué)習(xí)與監(jiān)督算法
阿爾法狗與強(qiáng)化學(xué)習(xí)算法
高等數(shù)學(xué)—兩個(gè)重要的極限定理
高等數(shù)學(xué)—導(dǎo)數(shù)
貝葉斯理論
高等數(shù)學(xué)—泰勒展開
高等數(shù)學(xué)—偏導(dǎo)數(shù)
高等數(shù)學(xué)—積分
高等數(shù)學(xué)—正態(tài)分布
樸素貝葉斯和最大似然估計(jì)
線性代數(shù)—線性空間和線性變換
數(shù)據(jù)科學(xué)和統(tǒng)計(jì)學(xué)
線性代數(shù)—矩陣、等價(jià)類和行列式
Python基礎(chǔ)課程
線性代數(shù)—特征值與特征向量
監(jiān)督學(xué)習(xí)框架
PCA、降維方法引入
Python操作數(shù)據(jù)庫、 Python爬蟲
線性分類器
Python進(jìn)階
Scikit-Learn
熵、邏輯斯蒂回歸、SVM引入
決策樹
數(shù)據(jù)呈現(xiàn)基礎(chǔ)
云計(jì)算初步
D-Park實(shí)戰(zhàn)
第四范式分享
決策樹到隨機(jī)森林
數(shù)據(jù)呈現(xiàn)進(jìn)階
強(qiáng)化學(xué)習(xí)
SVM和神經(jīng)網(wǎng)絡(luò)引入
集成模型總結(jié)和GDBT理解及其衍生應(yīng)用
神經(jīng)網(wǎng)絡(luò)
監(jiān)督學(xué)習(xí)－回歸與分類
神經(jīng)網(wǎng)絡(luò)基礎(chǔ)與卷積網(wǎng)絡(luò)
時(shí)間序列預(yù)測(cè)
人工智能金融應(yīng)用
計(jì)算機(jī)視覺深度學(xué)習(xí)入門
個(gè)性化推薦算法
Pig和Spark鞏固
人工智能與設(shè)計(jì)
神經(jīng)網(wǎng)絡(luò)
非線性動(dòng)力學(xué)
高頻交易訂單流模型
區(qū)塊鏈一場(chǎng)革命
統(tǒng)計(jì)物理專題
復(fù)雜網(wǎng)絡(luò)簡(jiǎn)介
ABM簡(jiǎn)介及金融市場(chǎng)建模
用伊辛模型理解復(fù)雜系統(tǒng)
金融市場(chǎng)的復(fù)雜性
廣泛出現(xiàn)的冪律分布
自然啟發(fā)算法
機(jī)器學(xué)習(xí)的方法
模型可視化工程管理
Value Iteration Networks
最新回放
非線性動(dòng)力學(xué)系統(tǒng)
自然語言處理導(dǎo)入
復(fù)雜網(wǎng)絡(luò)上的物理傳輸過程
RNN及LSTM
漫談人工智能創(chuàng)業(yè)
深度學(xué)習(xí)其他主題
課程總結(jié)
