【No265】2018年1月份最新人工智能系统学习视频教程
程狄矢
分享于
2020-12-22
查看次数:
276 次
所需:
11 积分
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