教程文件目录：
【No0265】人工智能、大数据与复杂系统（万门大学）
|-- 课前补充.zip
|-- 课程补充.mp4
|-- 解压必看.txt
|-- 加群学习.jpg
|-- 本资料下载来源.png
|-- 本资料下载地址.url
|-- 本课程必看学.jpg
|-- 78-课程总结.7z
|-- 77-深度学习其他主题.7z
|-- 76-漫谈人工智能创业.7z
|-- 75-RNN及LSTM.7z
|-- 74-复杂网络上的物理传输过程.7z
|-- 73-自然语言处理导入.7z
|-- 72-非线性动力学系统（下）.7z
|-- 71-非线性动力学系统（上）.7z
|-- 70-最新回放.7z
|-- 70-Value Iteration Networks.7z
|-- 69-模型可视化工程管理.7z
|-- 68-机器学习的方法.7z
|-- 67-自然启发算法.7z
|-- 66-广泛出现的幂律分布.7z
|-- 65-金融市场的复杂性.7z
|-- 64-用伊辛模型理解复杂系统.7z
|-- 63-ABM简介及金融市场建模.7z
|-- 62-复杂网络简介.7z
|-- 61-统计物理专题（二）.7z
|-- 60-统计物理专题（一）.7z
|-- 59-区块链一场革命.7z
|-- 58-高频交易订单流模型.7z
|-- 57-非线性动力学.7z
|-- 56-神经网络.7z
|-- 55-人工智能与设计.7z
|-- 54-Pig和Spark巩固.7z
|-- 53-个性化推荐算法.7z
|-- 52-计算机视觉深度学习入门工具篇.7z
|-- 51-计算机视觉深度学习入门数据篇.7z
|-- 50-计算机视觉深度学习入门优化篇.7z
|-- 49-计算机视觉深度学习入门结构篇.7z
|-- 48-计算机视觉深度学习入门目的篇.7z
|-- 47-人工智能金融应用.7z
|-- 46-时间序列预测.7z
|-- 45-神经网络基础与卷积网络.7z
|-- 44-监督学习－分类.7z
|-- 43-监督学习－回归.7z
|-- 42-神经网络.7z
|-- 41-集成模型总结和GDBT理解及其衍生应用.7z
|-- 40-SVM和神经网络引入.7z
|-- 39-强化学习（下）.7z
|-- 38-强化学习（上）.7z
|-- 37-数据呈现进阶.7z
|-- 36-决策树到随机森林.7z
|-- 35-第四范式分享.7z
|-- 34-D-Park实战.7z
|-- 33-云计算初步.7z
|-- 32-数据呈现基础.7z
|-- 31-决策树.7z
|-- 30-Python进阶（下）.7z
|-- 29-熵、逻辑斯蒂回归、SVM引入.7z
|-- 28-Scikit-Learn.7z
|-- 27-Python进阶（上）.7z
|-- 26-线性分类器.7z
|-- 25-Python操作数据库、 Python爬虫.7z
|-- 24-数据科学和统计学（下）.7z
|-- 23-PCA、降维方法引入.7z
|-- 22-Python基础课程（下）.7z
|-- 21-监督学习框架.7z
|-- 20-线性代数—特征值与特征向量.7z
|-- 19-Python基础课程（上）.7z
|-- 18-线性代数—矩阵、等价类和行列式.7z
|-- 17-数据科学和统计学（上）.7z
|-- 16-线性代数—线性空间和线性变换.7z
|-- 15-朴素贝叶斯和最大似然估计.7z
|-- 14-高等数学—正态分布.7z
|-- 13-高等数学—积分.7z
|-- 12-高等数学—偏导数.7z
|-- 11-高等数学—泰勒展开.7z
|-- 10-贝叶斯理论.7z
|-- 09-高等数学—导数.7z
|-- 08-高等数学—两个重要的极限定理.7z
|-- 07-阿尔法狗与强化学习算法.7z
|-- 06-机器学习与监督算法.7z
|-- 05-复杂网络经济学应用.7z
|-- 04-高等数学—元素和极限.7z
|-- 03-人工智能的三个阶段.7z
|-- 02-大数据与机器学习.7z
|-- 01-复杂系统.7z
|-- 00-课前必看.7z