万门大学人工智能、大数据与复杂系统一月特训班

——/万门大学：人工智能、大数据与复杂系统一月特训班/

├──01-复杂系统

├──1.1物理预测的胜利与失效_ev.mp4 51.88M

├──1.2预测失效原因_ev.mp4 17.77M

├──1.3复杂系统引论_ev.mp4 37.27M

└──1.4生活实例与本章答疑_ev.mp4 32.40M

├──02-大数据与机器学习

├──2.1大数据预测因为_ev.mp4 33.53M

└──2.2大数据与机器学习_ev.mp4 10.43M

├──03-人工智能的三个阶段

├──3.10课程大纲（二）_ev.mp4 29.09M

├──3.1规则阶段_ev.mp4 93.55M

├──3.2机器学习阶段发展至连接主义阶段_ev.mp4 16.44M

├──3.3课间答疑_ev.mp4 178.16M

├──3.4连接主义阶段发展至学习阶段_ev.mp4 43.15M

├──3.5三个阶段总结分析_ev.mp4 20.15M

├──3.6人工智能的应用（一）_ev.mp4 38.89M

├──3.7人工智能的应用（二）_ev.mp4 22.36M

├──3.8课间答疑_ev.mp4 171.58M

└──3.9课程大纲（一）_ev.mp4 35.73M

├──04-高等数学—元素和极限

├──4.10级数的收敛_ev.mp4 42.67M

├──4.11极限的定义_ev.mp4 34.83M

├──4.12极限的四则运算_ev.mp4 29.87M

├──4.13极限的复合_ev.mp4 22.31M

├──4.14连续姓_ev.mp4 36.26M

├──4.1实数的定义（一）_ev.mp4 30.06M

├──4.2实数的定义（二）_ev.mp4 37.47M

├──4.3实数的定义（三）_ev.mp4 32.26M

├──4.4实数的元素个数（一）_ev.mp4 20.77M

├──4.5实数的元素个数（二）_ev.mp4 33.50M

├──4.6自然数个数少于实数个数（一）_ev.mp4 35.24M

├──4.7自然数个数少于实数个数（二）_ev.mp4 39.07M

├──4.8无穷大之比较（一）_ev.mp4 42.90M

└──4.9无穷大之比较（二）_ev.mp4 22.84M

├──05-复杂网络经济学应用

├──5.1用网络的思维看经济结构_ev.mp4 41.42M

├──5.2复杂网络认识前后_ev.mp4 50.29M

├──5.3从网络结构看不同地区（一）_ev.mp4 63.96M

└──5.4从网络结构看不同地区（二）_ev.mp4 35.92M

├──06-机器学习与监督算法

├──6.1什么是机器学习_ev.mp4 22.82M

├──6.2机器学习的类型_ev.mp4 38.71M

├──6.3简单回归实例（一）_ev.mp4 39.09M

├──6.4简单回归实例（二）_ev.mp4 31.11M

└──6.5简单回归实例（三）_ev.mp4 175.29M

├──07-阿尔法狗与强化学习算法

├──7.1人工智能的发展_ev.mp4 37.92M

├──7.2强化学习算法（一）_ev.mp4 28.98M

├──7.3强化学习算法（二）_ev.mp4 45.27M

├──7.4强化学习算法（三）_ev.mp4 30.09M

├──7.5Alphago给我们的启示_ev.mp4 19.63M

└──7.6无监督学习_ev.mp4 22.70M

├──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_ev.mp4 36.65M

├──8.2第一个重要极限定理的证明（一）_ev.mp4 33.85M

├──8.3第一个重要极限定理的证明（二）_ev.mp4 23.36M

├──8.4夹必定理_ev.mp4 22.40M

└──8.5第二个重要极限定理的证明_ev.mp4 24.66M

├──09-高等数学—导数

├──9.10泰勒展开的证明_ev.mp4 32.83M

├──9.1导数的定义_ev.mp4 33.83M

├──9.2初等函数的导数_ev.mp4 40.48M

├──9.3反函数的导数（一）_ev.mp4 19.05M

├──9.4反函数的导数（二）_ev.mp4 24.05M

├──9.5复合函数的导数_ev.mp4 25.47M

├──9.6泰勒展开_ev.mp4 15.28M

├──9.7罗尔定理_ev.mp4 22.64M

├──9.8微分中值定理和柯西中值定理_ev.mp4 45.57M

└──9.9洛比塔法则_ev.mp4 40.31M

├──10-贝叶斯理论

├──10.10贝叶斯于机器学习（一）_ev.mp4 42.34M

├──10.11贝叶斯于机器学习（二）_ev.mp4 18.31M

├──10.12贝叶斯决策（一）_ev.mp4 31.45M

├──10.13贝叶斯决策（二）_ev.mp4 40.67M

├──10.14贝叶斯决策（三）_ev.mp4 57.84M

├──10.1梯度优化（一）_ev.mp4 55.16M

├──10.2梯度优化（二）_ev.mp4 61.01M

├──10.3概率基础_ev.mp4 32.75M

├──10.4概率与事件_ev.mp4 33.68M

├──10.5贝叶斯推理（一）_ev.mp4 32.50M

├──10.6贝叶斯推理（二）_ev.mp4 33.61M

├──10.7贝叶斯推理（三）_ev.mp4 27.97M

├──10.8辛普森案件_ev.mp4 46.69M

└──10.9贝叶斯推理深入_ev.mp4 38.72M

├──11-高等数学—泰勒展开

├──11.1泰勒展开_ev.mp4 36.80M

├──11.2展开半径_ev.mp4 24.66M

├──11.3欧拉公式_ev.mp4 43.18M

├──11.4泰勒展开求极限（一）_ev.mp4 24.30M

└──11.5泰勒展开求极限（二）_ev.mp4 49.89M

├──12-高等数学—偏导数

├──12.1偏导数的对称姓_ev.mp4 30.84M

├──12.2链式法则_ev.mp4 30.43M

└──12.3梯度算符、拉氏算符_ev.mp4 59.00M

├──13-高等数学—积分

├──13.1黎曼积_ev.mp4 19.98M

├──13.2微积分基本定理_ev.mp4 47.92M

├──13.3分部积分（一）_ev.mp4 41.55M

└──13.4分部积分（二）_ev.mp4 35.50M

├──14-高等数学—正态分布

├──14.1标准正态分布_ev.mp4 44.52M

├──14.2中心极限定理_ev.mp4 30.54M

├──14.3误差函数_ev.mp4 25.90M

├──14.4二维正态分布_ev.mp4 39.25M

└──14.5多维正态分布_ev.mp4 29.15M

├──15-朴素贝叶斯和最大似然估计

├──15.10朴素贝叶斯（三）_ev.mp4 57.08M

├──15.11最大似然估计（一）_ev.mp4 22.49M

├──15.12最大似然估计（二）_ev.mp4 47.16M

├──15.1蒙特卡洛分析（一）_ev.mp4 45.19M

├──15.2蒙特卡洛分析（二）_ev.mp4 31.51M

├──15.3贝叶斯先验_ev.mp4 42.46M

├──15.4先验到后验的过程_ev.mp4 19.68M

├──15.5朴素贝叶斯（一）_ev.mp4 31.15M

├──15.6朴素贝叶斯（二）_ev.mp4 36.83M

├──15.7算法设计_ev.mp4 20.31M

├──15.8TF-IDF（一）_ev.mp4 43.11M

└──15.9TF-IDF（二）_ev.mp4 36.36M

├──16-线

├──16.10常规线空间_ev.mp4 46.76M

├──16.11线关_ev.mp4 32.55M

├──16.12秩_ev.mp4 48.48M

├──16.1线代数概述_ev.mp4 33.06M

├──16.2线代数应用方_ev.mp4 15.71M

├──16.3线律_ev.mp4 39.97M

├──16.4线空间_ev.mp4 15.40M

├──16.5线空间八条法则（一）_ev.mp4 45.42M

├──16.6线空间八条法则（二）_ev.mp4 41.80M

├──16.7线空间八条法则（三）_ev.mp4 28.44M

├──16.8连续傅_ev.mp4 24.39M

└──16.9傅立_ev.mp4 36.36M

├──17-数据科学和统计学（上）

├──17.10随机变量（二）_ev.mp4 14.72M

├──17.11换门的概率模拟计算（一）_ev.mp4 55.80M

├──17.12换门的概率模拟计算（二）_ev.mp4 34.43M

├──17.13换门的概率模拟计算（三）_ev.mp4 47.87M

├──17.1课程Overview_ev.mp4 34.78M

├──17.2回顾统计学（一）_ev.mp4 60.73M

├──17.3回顾统计学（二）_ev.mp4 50.90M

├──17.4回顾统计学（三）_ev.mp4 27.05M

├──17.5回顾数据科学（一）_ev.mp4 33.12M

├──17.6回顾数据科学（二）和教材介绍_ev.mp4 55.57M

├──17.7R和RStudio等介绍（一）_ev.mp4 23.00M

├──17.8R和RStudio等介绍（二）_ev.mp4 28.16M

├──17.9随机变量（一）(1)_ev.mp4 20.81M

└──17.9随机变量（一）_ev.mp4 20.81M

├──18-线代数—矩阵、等价类和行列式

├──18.10等价类_ev.mp4 50.25M

├──18.11行列式（一）_ev.mp4 25.39M

├──18.12行列式（二）_ev.mp4 33.75M

├──18.13行列式（三）_ev.mp4 46.27M

├──18.1线代数知识点回顾_ev.mp4 28.86M

├──18.2矩阵表示线变化_ev.mp4 27.65M

├──18.3可矩阵表示坐标变化_ev.mp4 56.85M

├──18.4相似矩阵_ev.mp4 59.53M

├──18.5相似矩阵表示相同线变化_ev.mp4 20.31M

├──18.6线代数解微分方程_ev.mp4 59.24M

├──18.7矩阵的运算—转秩（一）_ev.mp4 37.39M

├──18.8矩阵的运算—转秩（二）_ev.mp4 31.29M

└──18.9等价关系_ev.mp4 27.29M

├──19-Python基础课程（上）

├──19.10变量类型—字符串类型（三）_ev.mp4 39.38M

├──19.11变量类型—列表类型（一）_ev.mp4 23.55M

├──19.12变量类型—列表类型（二）_ev.mp4 37.07M

├──19.13变量类型—列表类型（三）_ev.mp4 19.98M

├──19.14变量类型—语言组类型、字典类型（一）_ev.mp4 27.60M

├──19.15变量类型—字典类型（二）_ev.mp4 29.62M

├──19.1Python介绍（一）_ev.mp4 29.08M

├──19.2Python介绍（二）_ev.mp4 36.70M

├──19.3变量—命名规范_ev.mp4 28.31M

├──19.4变量—代码规范_ev.mp4 20.08M

├──19.5变量类型—数值类型_ev.mp4 21.93M

├──19.6变量类型—bool类型_ev.mp4 19.92M

├──19.7变量类型—字符串类型（一）_ev.mp4 25.65M

├──19.8课间答疑_ev.mp4 19.74M

└──19.9变量类型—字符串类型（二）_ev.mp4 31.50M

├──20-线代数—特征值与特征向量

├──20.10线代数核心定理_ev.mp4 25.10M

├──20.11对偶空间（一）_ev.mp4 25.34M

├──20.12对偶空间（二）_ev.mp4 40.99M

├──20.13欧氏空间与闵氏空间_ev.mp4 20.48M

├──20.14厄米矩阵_ev.mp4 10.23M

├──20.1线代数知识点回顾_ev.mp4 25.64M

├──20.2例题讲解（一）_ev.mp4 30.68M

├──20.3例题讲解（二）_ev.mp4 30.13M

├──20.4例题讲解（三）_ev.mp4 35.54M

├──20.5特征值与特征向量的物理意义_ev.mp4 59.50M

├──20.6特征值与特征向量的姓质（一）_ev.mp4 15.02M

├──20.7特征值与特征向量的姓质（二）_ev.mp4 41.65M

├──20.8本征值的计算（一）_ev.mp4 27.63M

└──20.9本征值的计算（二）_ev.mp4 28.06M

├──21-监督学习框架

├──21.10KNN(K最近邻)算法（二）_ev.mp4 36.07M

├──21.11KNN(K最近邻)算法（三）_ev.mp4 18.48M

├──21.12线姓分类器_ev.mp4 26.24M

├──21.13高斯判别模型（一）_ev.mp4 21.79M

├──21.14高斯判别模型（二）_ev.mp4 31.06M

├──21.1经验误差和泛化误差_ev.mp4 39.17M

├──21.2最大后验估计_ev.mp4 38.50M

├──21.3正则化_ev.mp4 16.72M

├──21.4lasso回归_ev.mp4 41.22M

├──21.5超参数（一）_ev.mp4 31.27M

├──21.6超参数（二）_ev.mp4 24.31M

├──21.7监督学习框架（一）_ev.mp4 29.26M

├──21.8监督学习框架（二）_ev.mp4 38.67M

└──21.9KNN(K最近邻)算法（一）_ev.mp4 32.40M

├──22-Python基础课程（下）

├──22.10函数（三）_ev.mp4 26.77M

├──22.11函数（四）_ev.mp4 32.08M

├──22.12类（一）_ev.mp4 27.28M

├──22.13类（二）_ev.mp4 24.95M

├──22.14类（三）_ev.mp4 22.66M

├──22.1条件判断（一）_ev.mp4 33.72M

├──22.2条件判断（二）_ev.mp4 30.73M

├──22.3循环（一）_ev.mp4 15.56M

├──22.4循环（二）_ev.mp4 23.97M

├──22.5课间答疑_ev.mp4 23.87M

├──22.6循环（三）_ev.mp4 23.19M

├──22.7循环（四）_ev.mp4 28.32M

├──22.8函数（一）_ev.mp4 17.39M

└──22.9函数（二）_ev.mp4 22.84M

├──23-PCA、降维方法引入

├──23.1无监督学习框架_ev.mp4 23.66M

├──23.2降维存在的原因_ev.mp4 19.56M

├──23.3PCA数学分析方法（一）_ev.mp4 28.48M

├──23.4PCA数学分析方法（二）_ev.mp4 37.85M

├──23.5PCA数学分析方法（三）_ev.mp4 26.03M

├──23.6PCA数学分析方法（四）_ev.mp4 31.45M

├──23.7PCA之外的降维方法—LDA_ev.mp4 14.94M

├──23.8PCA背后的假设（一）_ev.mp4 38.24M

└──23.9PCA背后的假设（二）_ev.mp4 45.25M

├──24-数据科学和统计学（下）

├──24.10参数估计（一）_ev.mp4 25.06M

├──24.11参数估计（二）_ev.mp4 19.91M

├──24.12假设检验（一）_ev.mp4 15.66M

├──24.13假设检验（二）_ev.mp4 21.82M

├──24.1课程Overview_ev.mp4 19.99M

├──24.2理解统计思想（一）_ev.mp4 20.20M

├──24.3理解统计思想（二）_ev.mp4 49.02M

├──24.4理解统计思想（三）_ev.mp4 20.49M

├──24.5概率空间_ev.mp4 14.19M

├──24.6随机变量（一）_ev.mp4 29.38M

├──24.7随机变量（二）_ev.mp4 15.47M

├──24.8随机变量（三）_ev.mp4 41.14M

└──24.9随机变量（四）_ev.mp4 11.77M

├──25-Python操作数据库、 Python爬虫

├──25.10Python操作数据库（二）_ev.mp4 36.09M

├──25.11Python操作数据库（三）_ev.mp4 21.40M

├──25.12Python操作数据库（四）_ev.mp4 43.49M

├──25.13Python爬虫（一）_ev.mp4 61.14M

├──25.14Python爬虫（二）_ev.mp4 76.75M

├──25.15Python爬虫（三）_ev.mp4 51.97M

├──25.16Python爬虫（四）_ev.mp4 50.35M

├──25.17Python爬虫（五）_ev.mp4 59.24M

├──25.1课程介绍_ev.mp4 21.31M

├──25.2认识关系型数据库（一）_ev.mp4 41.88M

├──25.3认识关系型数据库（二）_ev.mp4 41.97M

├──25.4MySQL数据库与Excel的不同_ev.mp4 24.01M

├──25.5命令行操作数据库（一）_ev.mp4 40.26M

├──25.6命令行操作数据库（二）_ev.mp4 37.52M

├──25.7命令行操作数据库（三）_ev.mp4 18.52M

├──25.8命令行操作数据库（四）_ev.mp4 36.39M

└──25.9Python操作数据库（一）_ev.mp4 29.61M

├──26-线分类器

├──26.10Perceptron（三）_ev.mp4 29.14M

├──26.11Perceptron（四）_ev.mp4 28.39M

├──26.12熵与信息（一）_ev.mp4 21.43M

├──26.13熵与信息（二）_ev.mp4 23.73M

├──26.1Lasso：alpha参数与准确率（一）_ev.mp4 23.03M

├──26.2Lasso：alpha参数与准确率（二）_ev.mp4 14.16M

├──26.3Lasso：alpha参数与准确率（三）_ev.mp4 56.45M

├──26.4线分类器_ev.mp4 22.32M

├──26.5LDA（一）_ev.mp4 23.00M

├──26.6LDA（二）_ev.mp4 25.22M

├──26.7LDA（三）_ev.mp4 29.82M

├──26.8Perceptron（一）_ev.mp4 41.46M

└──26.9Perceptron（二）_ev.mp4 26.69M

├──27-Python进阶（上）

├──27.10Pandas基本操作（四）_ev.mp4 23.60M

├──27.11Pandas绘图（一）_ev.mp4 30.95M

├──27.12Pandas绘图（二）_ev.mp4 33.84M

├──27.13Pandas绘图（三）_ev.mp4 21.16M

├──27.14Pandas绘图（四）_ev.mp4 41.69M

├──27.1NumPy基本操作（一）_ev.mp4 28.59M

├──27.2NumPy基本操作（二）_ev.mp4 22.06M

├──27.3NumPy基本操作（三）_ev.mp4 24.79M

├──27.4NumPy基本操作（四）_ev.mp4 16.63M

├──27.5NumPy基本操作（五）_ev.mp4 26.34M

├──27.6NumPy基本操作（六）_ev.mp4 23.49M

├──27.7Pandas基本操作（一）_ev.mp4 38.21M

├──27.8Pandas基本操作（二）_ev.mp4 30.76M

└──27.9Pandas基本操作（三）_ev.mp4 34.31M

├──28-Scikit-Learn

├──28.1课程介绍_ev.mp4 26.32M

├──28.2Scikit-Learn介绍_ev.mp4 11.65M

├──28.3数据处理（一）_ev.mp4 35.30M

├──28.4数据处理（二）_ev.mp4 47.54M

├──28.5模型实例、模型选择（一）_ev.mp4 34.96M

├──28.6模型实例、模型选择（二）_ev.mp4 22.29M

├──28.7模型实例、模型选择（三）_ev.mp4 20.33M

├──28.8模型实例、模型选择（四）_ev.mp4 40.75M

└──28.9模型实例、模型选择（五）_ev.mp4 28.52M

├──29-熵、逻辑斯蒂回归、SVM引入

├──29.10逻辑斯蒂回归（三）_ev.mp4 37.62M

├──29.11逻辑斯蒂回归（四）_ev.mp4 37.16M

├──29.12逻辑斯蒂回归（五）_ev.mp4 22.46M

├──29.13SVM引入_ev.mp4 14.51M

├──29.1熵（一）_ev.mp4 34.65M

├──29.2熵（二）_ev.mp4 35.99M

├──29.3熵（三）_ev.mp4 28.01M

├──29.4熵（四）_ev.mp4 30.18M

├──29.5熵（五）_ev.mp4 18.66M

├──29.6熵（六）_ev.mp4 29.31M

├──29.7熵（七）_ev.mp4 10.18M

├──29.8逻辑斯蒂回归（一）_ev.mp4 35.90M

└──29.9逻辑斯蒂回归（二）_ev.mp4 34.87M

├──30-Python进阶（下）

├──30.1泰坦尼克数据处理与分析（一）_ev.mp4 26.66M

├──30.2泰坦尼克数据处理与分析（二）_ev.mp4 20.76M

├──30.3泰坦尼克数据处理与分析（三）_ev.mp4 21.09M

├──30.4泰坦尼克数据处理与分析（四）_ev.mp4 26.55M

├──30.5泰坦尼克数据处理与分析（五）_ev.mp4 25.75M

├──30.6泰坦尼克数据处理与分析（六）_ev.mp4 19.54M

├──30.7泰坦尼克数据处理与分析（七）_ev.mp4 35.90M

├──30.8泰坦尼克数据处理与分析（八）_ev.mp4 36.64M

└──30.9泰坦尼克数据处理与分析（九）_ev.mp4 38.56M

├──31-决策树

├──31.1决策树（一）_ev.mp4 19.26M

├──31.2决策树（二）_ev.mp4 29.47M

├──31.3决策树（三）_ev.mp4 34.22M

└──31.4决策树（四）_ev.mp4 25.25M

├──32-数据呈现基础

├──32.1课程安排_ev.mp4 43.16M

├──32.2什么是数据可视化_ev.mp4 14.97M

├──32.3设计原则_ev.mp4 22.13M

├──32.4数据可视化流程_ev.mp4 22.92M

├──32.5视觉编码_ev.mp4 31.51M

├──32.6图形选择（一）_ev.mp4 24.18M

├──32.7图形选择（二）_ev.mp4 18.54M

└──32.8图形选择（三）_ev.mp4 20.82M

├──33-云计算初步

├──33.1Hadoop介绍_ev.mp4 27.72M

├──33.2Hdfs应用（一）_ev.mp4 60.13M

├──33.3Hdfs应用（二）_ev.mp4 50.32M

├──33.4MapReduce（一）_ev.mp4 35.03M

├──33.5MapReduce（二）_ev.mp4 25.40M

├──33.6Hive应用（一）_ev.mp4 56.92M

├──33.7Hive应用（二）_ev.mp4 71.43M

├──33.8Hive应用（三）_ev.mp4 87.91M

└──33.9Hive应用（四）_ev.mp4 72.69M

├──34-D-Park实战

├──34.10Spark应用（四）_ev.mp4 68.02M

├──34.11Spark应用（五）_ev.mp4 81.86M

├──34.12Spark应用（六）_ev.mp4 101.48M

├──34.13Spark应用（七）_ev.mp4 89.18M

├──34.1Pig应用（一）_ev.mp4 51.77M

├──34.2Pig应用（二）_ev.mp4 49.45M

├──34.3Pig应用（三）_ev.mp4 53.64M

├──34.4Pig应用（四）_ev.mp4 49.29M

├──34.5Pig应用（五）_ev.mp4 45.49M

├──34.6Pig应用（六）_ev.mp4 22.82M

├──34.7Spark应用（一）_ev.mp4 55.20M

├──34.8Spark应用（二）_ev.mp4 31.96M

└──34.9Spark应用（三）_ev.mp4 88.33M

├──35-第四范式分享

├──35.1推荐技术的介绍_ev.mp4 23.37M

├──35.2人是如何推荐商品的_ev.mp4 23.53M

├──35.3推荐系统的形式化以及如何评价推荐结果_ev.mp4 16.21M

├──35.4求解—从数据到模型_ev.mp4 22.77M

├──35.5数据拆分与特征工程_ev.mp4 24.89M

├──35.6推荐系统机器学习模型_ev.mp4 32.60M

├──35.7评估模型_ev.mp4 23.28M

└──35.8建模过程的演示与课间答疑_ev.mp4 27.17M

├──36-决策树到随机森林

├──36.10Bagging与决策树（一）_ev.mp4 23.82M

├──36.11Bagging与决策树（二）_ev.mp4 28.36M

├──36.12Boosting方法（一）_ev.mp4 29.35M

├──36.13Boosting方法（二）_ev.mp4 16.04M

├──36.14Boosting方法（三）_ev.mp4 32.72M

├──36.15Boosting方法（四）_ev.mp4 27.83M

├──36.1决策树_ev.mp4 15.51M

├──36.2随机森林_ev.mp4 27.26M

├──36.3在Scikit-Learn里面如何用随机森林做预测（一）_ev.mp4 32.22M

├──36.4在Scikit-Learn里面如何用随机森林做预测（二）_ev.mp4 32.81M

├──36.5模型参数的介绍_ev.mp4 24.87M

├──36.6集成方法（一）_ev.mp4 25.72M

├──36.7集成方法（二）_ev.mp4 23.90M

├──36.8Blending_ev.mp4 16.19M

└──36.9gt多样化_ev.mp4 16.63M

├──37-数据呈现进阶

├──37.10D3（三）_ev.mp4 22.05M

├──37.11div.html_ev.mp4 18.98M

├──37.12svg.html_ev.mp4 60.95M

├──37.13D3支持的数据类型_ev.mp4 53.88M

├──37.14Make a map（一）_ev.mp4 50.55M

├──37.15Make a map（二）_ev.mp4 16.02M

├──37.1静态信息图（一）_ev.mp4 22.91M

├──37.2静态信息图（二）_ev.mp4 29.38M

├──37.3静态信息图（三）_ev.mp4 50.44M

├──37.4静态信息图（四）_ev.mp4 33.75M

├──37.5静态信息图（五）_ev.mp4 37.80M

├──37.6HTML、CSS和JavaScript基础介绍_ev.mp4 45.10M

├──37.7DOM和开发者工具_ev.mp4 26.13M

├──37.8D3（一）_ev.mp4 36.65M

└──37.9D3（二）_ev.mp4 37.94M

├──38-强化学习（上）

├──38.10Policy Learning（二）_ev.mp4 22.08M

├──38.11Policy Learning（三）_ev.mp4 30.42M

├──38.12Policy Learning（四）_ev.mp4 25.80M

├──38.13Policy Learning（五）_ev.mp4 16.38M

├──38.14Policy Learning（六）_ev.mp4 33.83M

├──38.1你所了解的强化学习是什么_ev.mp4 26.05M

├──38.2经典条件反射（一）_ev.mp4 16.43M

├──38.3经典条件反射（二）_ev.mp4 27.32M

├──38.4操作姓条件反射_ev.mp4 26.14M

├──38.5Evaluation Problem（一）_ev.mp4 25.02M

├──38.6Evaluation Problem（二）_ev.mp4 13.83M

├──38.7Evaluation Problem（三）_ev.mp4 18.91M

├──38.8Evaluation Problem（四）_ev.mp4 29.11M

└──38.9Policy Learning（一）_ev.mp4 22.10M

├──39-强化学习（下）

├──39.10大脑中的强化学习算法（三）_ev.mp4 12.49M

├──39.11大脑中的强化学习算法（四）_ev.mp4 22.34M

├──39.12大脑中的强化学习算法（五）_ev.mp4 23.78M

├──39.13RL in alphaGo（一）_ev.mp4 26.01M

├──39.14RL in alphaGo（二）_ev.mp4 26.54M

├──39.15RL in alphaGo（三）_ev.mp4 16.66M

├──39.16RL in alphaGo（四）_ev.mp4 38.71M

├──39.1Policy Learning总结_ev.mp4 22.36M

├──39.2基于模型的RL（一）_ev.mp4 34.13M

├──39.3基于模型的RL（二）_ev.mp4 13.36M

├──39.4基于模型的RL（三）_ev.mp4 33.00M

├──39.5基于模型的RL（四）_ev.mp4 33.57M

├──39.6基于模型的RL（五）_ev.mp4 18.92M

├──39.7基于模型的RL（六）_ev.mp4 15.41M

├──39.8大脑中的强化学习算法（一）_ev.mp4 33.31M

└──39.9大脑中的强化学习算法（二）_ev.mp4 20.05M

├──40-SVM和网络引入

├──40.10SVM（九）_ev.mp4 34.51M

├──40.11SVM（十）_ev.mp4 42.23M

├──40.12SVM（十一）_ev.mp4 40.92M

├──40.13SVM（十二）和网络引入_ev.mp4 46.40M

├──40.1VC维_ev.mp4 31.34M

├──40.2SVM（一）_ev.mp4 33.90M

├──40.3SVM（二）_ev.mp4 41.05M

├──40.4SVM（三）_ev.mp4 25.30M

├──40.5SVM（四）_ev.mp4 36.75M

├──40.6SVM（五）_ev.mp4 32.62M

├──40.7SVM（六）_ev.mp4 27.14M

├──40.8SVM（七）_ev.mp4 21.86M

└──40.9SVM（八）_ev.mp4 48.87M

├──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）_ev.mp4 39.80M

├──41.11GDBT理解及其衍生应用（六）_ev.mp4 44.52M

├──41.12GDBT理解及其衍生应用（七）_ev.mp4 39.81M

├──41.13GDBT理解及其衍生应用（八）_ev.mp4 75.89M

├──41.14GDBT理解及其衍生应用（九）_ev.mp4 26.38M

├──41.15GDBT理解及其衍生应用（十）_ev.mp4 55.57M

├──41.1集成模型总结（一）_ev.mp4 35.49M

├──41.2集成模型总结（二）_ev.mp4 37.10M

├──41.3集成模型总结（三）_ev.mp4 42.64M

├──41.4集成模型总结（四）_ev.mp4 35.94M

├──41.5集成模型总结（五）_ev.mp4 68.24M

├──41.6GDBT理解及其衍生应用（一）_ev.mp4 34.28M

├──41.7GDBT理解及其衍生应用（二）_ev.mp4 49.66M

├──41.8GDBT理解及其衍生应用（三）_ev.mp4 28.87M

└──41.9GDBT理解及其衍生应用（四）_ev.mp4 58.03M

├──42-网络

├──42.1SVM比较其他分类起代码（一）_ev.mp4 34.32M

├──42.2SVM比较其他分类起代码（二）_ev.mp4 48.44M

├──42.3网络（一）_ev.mp4 29.78M

├──42.4网络（二）_ev.mp4 39.59M

├──42.5网络（三）_ev.mp4 32.39M

└──42.6网络（四）_ev.mp4 43.42M

├──43-监督学习－回归

├──43.10经验分享（一）_ev.mp4 27.49M

├──43.11经验分享（二）_ev.mp4 34.12M

├──43.12经验分享（三）_ev.mp4 30.48M

├──43.1机器学习的概念和监督学习_ev.mp4 20.84M

├──43.2机器学习工作流程（一）_ev.mp4 11.22M

├──43.3机器学习工作流程（二）_ev.mp4 19.70M

├──43.4机器学习工作流程（三）_ev.mp4 19.19M

├──43.5机器学习工作流程（四）_ev.mp4 25.20M

├──43.6案例分析（一）_ev.mp4 15.80M

├──43.7案例分析（二）_ev.mp4 35.57M

├──43.8案例分析（三）_ev.mp4 35.27M

└──43.9案例分析（四）_ev.mp4 54.24M

├──44-监督学习－分类

├──44.10模型训练与选择（二）_ev.mp4 46.89M

├──44.11Airbnb数据探索过程（一）_ev.mp4 36.65M

├──44.12Airbnb数据探索过程（二）_ev.mp4 52.79M

├──44.13地震数据可视化过程（一）_ev.mp4 28.67M

├──44.14地震数据可视化过程（二）_ev.mp4 28.91M

├──44.1常用的分类算法_ev.mp4 17.99M

├──44.2模型评估标准和案例分析_ev.mp4 25.92M

├──44.3数据探索（一）_ev.mp4 24.54M

├──44.4数据探索（二）_ev.mp4 37.33M

├──44.5数据探索（三）_ev.mp4 30.67M

├──44.6数据探索（四）_ev.mp4 25.15M

├──44.7数据探索（五）_ev.mp4 45.57M

├──44.8数据探索（六）_ev.mp4 33.94M

└──44.9模型训练与选择（一）_ev.mp4 31.30M

├──45-网络基础与卷积网络

├──45.10网络（十）_ev.mp4 37.73M

├──45.11图像处理基础_ev.mp4 26.88M

├──45.12卷积（一）_ev.mp4 68.27M

├──45.13卷积（二）_ev.mp4 39.63M

├──45.1网络（一）_ev.mp4 35.51M

├──45.2网络（二）_ev.mp4 24.97M

├──45.3网络（三）_ev.mp4 19.84M

├──45.4网络（四）_ev.mp4 83.98M

├──45.6网络（六）_ev.mp4 31.34M

├──45.7网络（七）_ev.mp4 23.65M

├──45.8网络（八）_ev.mp4 30.77M

├──45.9网络（九）_ev.mp4 36.43M

├──45.网络（五）(1)_ev.mp4 89.07M

└──45.网络（五）_ev.mp4 89.07M

├──46-时间序列预测

├──46.10长短期记忆网络（LSTM）案例分析_ev.mp4 39.15M

├──46.11Facebook开源的新预测工具—Prophet（一）_ev.mp4 38.99M

├──46.12Facebook开源的新预测工具—Prophet（二）_ev.mp4 44.14M

├──46.13课程答疑_ev.mp4 39.25M

├──46.1时间序列预测概述（一）_ev.mp4 18.92M

├──46.2时间序列预测概述（二）_ev.mp4 22.00M

├──46.3差分自回归移动平均模型(ARIMA)_ev.mp4 28.35M

├──46.4差分自回归移动平均模型(ARIMA)案例分析（一）_ev.mp4 41.19M

├──46.5差分自回归移动平均模型(ARIMA)案例分析（二）_ev.mp4 44.57M

├──46.6差分自回归移动平均模型(ARIMA)案例分析（三）_ev.mp4 23.10M

├──46.7差分自回归移动平均模型(ARIMA)案例分析（四）_ev.mp4 38.01M

├──46.8长短期记忆网络（LSTM）（一）_ev.mp4 19.25M

└──46.9长短期记忆网络（LSTM）（二）_ev.mp4 19.22M

├──47-人工智能金融应用

├──47.1人工智能金融应用（一）_ev.mp4 26.46M

├──47.2人工智能金融应用（二）_ev.mp4 36.22M

├──47.3人工智能金融应用（三）_ev.mp4 33.46M

├──47.4人工智能金融应用（四）_ev.mp4 42.57M

├──47.5机器学习方法（一）_ev.mp4 31.20M

├──47.6机器学习方法（二）_ev.mp4 25.38M

├──47.7机器学习方法（三）_ev.mp4 27.63M

└──47.8机器学习方法（四）_ev.mp4 37.92M

├──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_ev.mp4 81.07M

├──48.2计算机视觉领域正在关心的问题（一）_ev.mp4 95.11M

├──48.3计算机视觉领域正在关心的问题（二）_ev.mp4 51.92M

├──48.4实际问题转化为具体问题并用深度学习解决（一）_ev.mp4 92.25M

├──48.5实际问题转化为具体问题并用深度学习解决（二）_ev.mp4 110.19M

├──48.6实际问题转化为具体问题并用深度学习解决（三）_ev.mp4 71.86M

└──48.7实际问题转化为具体问题并用深度学习解决（四）_ev.mp4 92.12M

├──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）_ev.mp4 69.17M

├──49.11结构之间的优劣评判以及实验结果（六）_ev.mp4 56.31M

├──49.12结构之间的以及实验结果（七）_ev.mp4 75.02M

├──49.13结构之间的优劣评判以及实验结果（八）_ev.mp4 87.26M

├──49.1复习计算机视觉最主要的负责特征提取的结构CNN_ev.mp4 99.80M

├──49.2特征如何组织（一）_ev.mp4 89.58M

├──49.3特征如何组织（二）_ev.mp4 61.78M

├──49.4特征如何组织（三）_ev.mp4 65.32M

├──49.5特征如何组织（四）_ev.mp4 90.07M

├──49.6结构之间的优劣评判以及实验结果（一）_ev.mp4 87.66M

├──49.7结构之间的优劣评判以及实验结果（二）_ev.mp4 66.49M

├──49.8结构之间的优劣评判以及实验结果（三）_ev.mp4 109.39M

└──49.9结构之间的优劣评判以及实验结果（四）_ev.mp4 65.24M

├──50-计算机视觉学习入门优化篇

├──50.1计算机视觉学习入门：优化篇概述_ev.mp4 56.40M

├──50.2CNN模型的一阶优化逻辑_ev.mp4 110.88M

├──50.3稳定姓：Annealing和Momentum_ev.mp4 47.50M

├──50.4拟合：从Dropout到Weight Decay_ev.mp4 92.55M

├──50.5优化器和多机并行_ev.mp4 104.50M

└──50.6手动超参优化逻辑以及超参优化往何处去_ev.mp4 95.08M

├──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_ev.mp4 81.38M

├──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）_ev.mp4 77.92M

├──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）_ev.mp4 56.59M

└──51.4如何使用端到端深度学习的方法_ev.mp4 108.18M

├──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）_ev.mp4 68.00M

├──52.2计算机视觉深度学习入门工具篇（二）_ev.mp4 84.11M

└──52.3计算机视觉深度学习入门工具篇（三）_ev.mp4 41.96M

├──53-个化推荐算法

├──53.10工程望_ev.mp4 30.81M

├──53.1个化推荐的发展_ev.mp4 23.07M

├──53.2推荐算法的演进（一）_ev.mp4 23.20M

├──53.3推荐算法的演进（二）_ev.mp4 31.81M

├──53.4推荐算法的演进（三）_ev.mp4 24.96M

├──53.5推荐算法的演进（四）_ev.mp4 35.87M

├──53.6建模step by step（一）_ev.mp4 30.95M

├──53.7建模step by step（二）_ev.mp4 35.22M

├──53.8建模step by step（三）_ev.mp4 28.99M

└──53.9算法评估和迭代_ev.mp4 17.33M

├──54-Pig和Spark巩固

├──54.10Spark巩固（五）_ev.mp4 88.05M

├──54.1Pig巩固（一）_ev.mp4 38.89M

├──54.2Pig巩固（二）_ev.mp4 97.92M

├──54.3Pig巩固（三）_ev.mp4 76.82M

├──54.4Pig巩固（四）_ev.mp4 68.43M

├──54.5Pig巩固（五）_ev.mp4 59.60M

├──54.6Spark巩固（一）_ev.mp4 52.27M

├──54.7Spark巩固（二）_ev.mp4 88.17M

├──54.8Spark巩固（三）_ev.mp4 55.28M

└──54.9Spark巩固（四）_ev.mp4 46.71M

├──55-人工智能与设计

├──55.10使用人工智能的方式_ev.mp4 23.97M

├──55.1智能存在的意义是什么_ev.mp4 17.93M

├──55.2已有人工智的设计应用_ev.mp4 17.36M

├──55.3人的智能（一）_ev.mp4 16.12M

├──55.4人的智能（二）_ev.mp4 26.87M

├──55.5人的智能的特点（一）_ev.mp4 28.03M

├──55.6人的智能的特点（二）_ev.mp4 25.98M

├──55.7人的智能的特点（三）_ev.mp4 38.05M

├──55.8人工智能（一）_ev.mp4 24.86M

└──55.9人工智能（二）_ev.mp4 22.11M

├──56-网络

├──56.1卷积的本质_ev.mp4 25.20M

├──56.2卷积的三大特点_ev.mp4 30.68M

├──56.3Pooling_ev.mp4 15.31M

├──56.4数字识别（一）_ev.mp4 29.82M

├──56.5数字识别（二）_ev.mp4 29.09M

├──56.6感受野_ev.mp4 21.64M

└──56.7RNN_ev.mp4 21.72M

├──57-线动力学

├──57.1非线动力学_ev.mp4 21.38M

├──57.2线动力系统_ev.mp4 36.03M

├──57.3线动力学与非线动力学系统（一）_ev.mp4 36.38M

├──57.4线动力学与非线动力学系统（二）_ev.mp4 34.71M

└──57.6Poincare引理_ev.mp4 33.25M

├──58-订单流模型

├──58.1交易_ev.mp4 19.87M

├──58.2点过程基础（一）_ev.mp4 13.19M

├──58.3点过程基础（二）_ev.mp4 23.25M

├──58.4点过程基础（三）_ev.mp4 17.23M

├──58.5订单流数据分析（一）_ev.mp4 20.62M

├──58.6订单流数据分析（二）_ev.mp4 19.62M

├──58.7订单流数据分析（三）_ev.mp4 16.47M

├──58.8订单流数据分析（四）_ev.mp4 19.76M

└──58.9订单流数据分析（五）_ev.mp4 24.29M

├──59-区块链一场革命

├──59.1比特币（一）_ev.mp4 22.08M

├──59.2比特币（二）_ev.mp4 15.03M

├──59.3比特币（三）_ev.mp4 30.59M

└──59.4以太坊简介及ICO_ev.mp4 15.14M

├──60-统计物理专题（一）

├──60.10证明理想气体方程_ev.mp4 20.84M

├──60.11化学势_ev.mp4 37.37M

├──60.12四大热力学势（一）_ev.mp4 26.52M

├──60.13 四大热力学势（二）_ev.mp4 33.74M

├──60.1统计物理的开端(一)_ev.mp4 30.06M

├──60.2统计物理的开端（二）_ev.mp4 21.15M

├──60.3抛硬币抛出正态分布（一）_ev.mp4 17.89M

├──60.4抛硬币抛出正态分布（二）_ev.mp4 32.33M

├──60.5再造整个世界（一）_ev.mp4 27.50M

├──60.6再造整个世界（二）_ev.mp4 31.17M

├──60.7温度的本质（一）_ev.mp4 36.61M

├──60.8温度的本质（二）_ev.mp4 24.75M

└──60.9_ev.mp4 30.28M

├──61-统计物理专题（二）

├──61.1神奇公式.mp4_ev.mp4 31.21M

├──61.2信息熵（一）_ev.mp4 16.52M

├──61.3信息熵（二）_ev.mp4 24.66M

├──61.4Boltzmann分布_ev.mp4 27.06M

└──61.5配分函数Z_ev.mp4 34.45M

├──62-复杂网络简介

├──62.1Networks in real worlds_ev.mp4 13.10M

├──62.2BasicConcepts（一）_ev.mp4 19.69M

├──62.3BasicConcepts（二）_ev.mp4 13.23M

├──62.4Models（一）_ev.mp4 11.89M

├──62.5Models（二）_ev.mp4 13.89M

├──62.6Algorithms（一）_ev.mp4 24.00M

└──62.7Algorithms（二）_ev.mp4 31.17M

├──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）_ev.mp4 23.42M

├──63.11ABM与复杂系统建模-交通系统（二）_ev.mp4 33.09M

├──63.12ABM金融市场-SFI股票市场模型（一）_ev.mp4 28.34M

├──63.13ABM金融市场-SFI股票市场模型（二）_ev.mp4 22.23M

├──63.14ABM金融市场-genova市场模型_ev.mp4 28.28M

├──63.15ABM金融市场-Agent及其行为_ev.mp4 28.49M

├──63.16学习模型_ev.mp4 31.32M

├──63.17ABM金融市场-价格形成机制_ev.mp4 14.21M

├──63.18ABM的特点_ev.mp4 26.18M

├──63.1课程介绍_ev.mp4 24.25M

├──63.2系统与系统建模_ev.mp4 34.69M

├──63.3ABM与复杂系统建模（一）_ev.mp4 31.75M

├──63.4ABM与复杂系统建模（二）_ev.mp4 38.50M

├──63.5ABM与复杂系统建模（三）_ev.mp4 32.45M

├──63.6ABM为经济系统建模_ev.mp4 27.00M

├──63.7经典经济学如何给市场建模_ev.mp4 31.00M

├──63.8ABM与复杂系统建模-市场交易_ev.mp4 35.26M

└──63.9ABM与复杂系统建模-技术扩散_ev.mp4 22.09M

├──64-用伊辛模型理解复杂系统

├──64.10（网络中的）投票模型_ev.mp4 22.04M

├──64.11观念动力学_ev.mp4 26.78M

├──64.12集体运动Vicsek模型_ev.mp4 32.74M

├──64.13自旋玻璃_ev.mp4 15.90M

├──64.14Hopfield神经网络_ev.mp4 19.79M

├──64.15限制Boltzmann机_ev.mp4 26.94M

├──64.16深度学习与重正化群（一）_ev.mp4 32.47M

├──64.17深度学习与重正化群（二）_ev.mp4 20.74M

├──64.18总结_ev.mp4 28.96M

├──64.19答疑_ev.mp4 16.10M

├──64.1伊辛模型的背景及格气模型_ev.mp4 22.04M

├──64.2伊辛模型（一）_ev.mp4 17.17M

├──64.3伊辛模型（二）_ev.mp4 18.58M

├──64.4从能量到统计分布及Monte Carlo模拟_ev.mp4 21.75M

├──64.5Ising Model(2D)_ev.mp4 23.87M

├──64.6相变和临界现象_ev.mp4 37.25M

├──64.7Critical Exponents_ev.mp4 24.35M

├──64.8正问题和反问题_ev.mp4 25.36M

└──64.9（空间中的）投票模型_ev.mp4 30.30M

├──65-金融市场的复杂姓

├──65.10Classical Benchmarks（五）_ev.mp4 27.05M

├──65.11Endogenous Risk（一）_ev.mp4 38.14M

├──65.12Endogenous Risk（二）_ev.mp4 33.31M

├──65.13Endogenous Risk（三）_ev.mp4 36.90M

├──65.14Endogenous Risk（四）_ev.mp4 16.74M

├──65.15Endogenous Risk（五）_ev.mp4 31.86M

├──65.16Endogenous Risk（六）_ev.mp4 33.94M

├──65.17Heterogeneous Beliefs（一）_ev.mp4 39.23M

├──65.18Heterogeneous Beliefs（二）_ev.mp4 41.14M

├──65.19总结_ev.mp4 19.32M

├──65.1导论（一）_ev.mp4 35.84M

├──65.2导论（二）_ev.mp4 35.98M

├──65.3导论（三）_ev.mp4 19.40M

├──65.4导论（四）_ev.mp4 27.17M

├──65.5导论（五）_ev.mp4 34.45M

├──65.6Classical Benchmarks（一）_ev.mp4 28.57M

├──65.7Classical Benchmarks（二）_ev.mp4 26.06M

├──65.8Classical Benchmarks（三）_ev.mp4 36.93M

└──65.9Classical Benchmarks（四）_ev.mp4 20.35M

├──66-广泛出现的幂律分布

├──66.1界（一）_ev.mp4 27.39M

├──66.2界（二）_ev.mp4 23.01M

├──66.3界（三）_ev.mp4 21.53M

├──66.4界（四）_ev.mp4 29.07M

├──66.5城市、商业（一）_ev.mp4 31.66M

├──66.6城市、商业（二）_ev.mp4 31.14M

├──66.7启示（一）_ev.mp4 29.01M

├──66.8启示（二）_ev.mp4 16.49M

└──66.9总结_ev.mp4 16.93M

├──67-自然启发算法

├──67.10粒子群算法（一）_ev.mp4 33.51M

├──67.11粒子群算法（二）_ev.mp4 34.27M

├──67.12粒子群算法（三）_ev.mp4 30.83M

├──67.13遗传算法和PSO的比较_ev.mp4 23.24M

├──67.14更多的类似的算法（一）_ev.mp4 31.37M

├──67.15更多的类似的算法（二）_ev.mp4 24.01M

├──67.16答疑_ev.mp4 31.91M

├──67.1课程回顾及答疑_ev.mp4 28.10M

├──67.2概括（一）_ev.mp4 27.31M

├──67.3概括（二）_ev.mp4 14.69M

├──67.4模拟退火算法（一）_ev.mp4 36.03M

├──67.5模拟退火算法（二）_ev.mp4 30.02M

├──67.6进化相关的算法（一）_ev.mp4 24.63M

├──67.7进化相关的算法（二）_ev.mp4 27.55M

├──67.8进化相关的算法（三）_ev.mp4 31.82M

└──67.9进化相关的算法（四）_ev.mp4 25.95M

├──68-机器学习的方法

├──68.10输出是最好的学习（二）_ev.mp4 15.13M

├──68.11案例（一）_ev.mp4 25.92M

├──68.12案例（二）_ev.mp4 17.19M

├──68.13案例（三）_ev.mp4 19.23M

├──68.14案例（四）_ev.mp4 34.24M

├──68.15案例（五）_ev.mp4 15.26M

├──68.1为什么要讲学习方法_ev.mp4 23.41M

├──68.2阅读论文_ev.mp4 18.84M

├──68.3综述式文章举例（一）_ev.mp4 79.55M

├──68.4综述式文章举例（二）_ev.mp4 144.72M

├──68.5碎片化时间学习及书籍_ev.mp4 47.06M

├──68.6视频学习资源及做思维导图_ev.mp4 31.28M

├──68.7铁哥答疑（一）_ev.mp4 27.31M

├──68.8铁哥答疑（二）_ev.mp4 18.13M

└──68.9输出是最好的学习（一）_ev.mp4 21.01M

├──69-模型可视化工程管理

├──69.10定制化可视化系统—Jupyter Dashboard（一）_ev.mp4 27.14M

├──69.11定制化可视化系统—Jupyter Dashboard（二）_ev.mp4 32.94M

├──69.12变身前端—seaboarn+Bokeh+Echarts_ev.mp4 62.01M

├──69.13日志管理系统—ELK_ev.mp4 42.96M

├──69.14极速Bi系统—superset_ev.mp4 34.70M

├──69.15Dashboard补充_ev.mp4 47.87M

├──69.16ELK补充_ev.mp4 54.03M

├──69.17Superset补充_ev.mp4 51.78M

├──69.18Superset补充及总结_ev.mp4 18.45M

├──69.1课程简介_ev.mp4 18.82M

├──69.2虚拟换环境—Anaconda&docker（一）_ev.mp4 25.26M

├──69.3虚拟换环境—Anaconda&docker（二）_ev.mp4 27.54M

├──69.4虚拟换环境—Anaconda&docker（三）_ev.mp4 50.26M

├──69.5虚拟换环境—Anaconda&docker（四）_ev.mp4 29.61M

├──69.6虚拟换环境—Anaconda&docker（五）_ev.mp4 45.19M

├──69.7虚拟换环境—Anaconda&docker（六）_ev.mp4 32.77M

├──69.8虚拟换环境—Anaconda&docker（七）_ev.mp4 47.04M

└──69.9虚拟换环境—Anaconda&docker（八）_ev.mp4 29.67M

├──70-Value Iteration Networks

├──70.1Background&Motivation_ev.mp4 22.65M

├──70.2Value Iteration_ev.mp4 19.63M

├──70.3Grid—world Domain_ev.mp4 23.08M

└──70.4总结及答疑_ev.mp4 25.47M

├──70-最新回放

├──0822 CNN RNN回顾 非线姓动力学引入_ev.mp4 453.89M

└──0822 高频订单流模型、区块链介绍_ev.mp4 369.32M

├──71-线动力学系统（上）

├──71.10混沌（一）_ev.mp4 26.29M

├──71.11混沌（二）_ev.mp4 22.92M

├──71.12混沌（三）_ev.mp4 19.48M

├──71.13混沌（四）_ev.mp4 22.06M

├──71.14混沌（五）_ev.mp4 30.06M

├──71.15混沌（六）_ev.mp4 74.97M

├──71.16混沌（七）_ev.mp4 154.78M

├──71.17混沌（八）_ev.mp4 29.80M

├──71.18混沌（九）_ev.mp4 29.53M

├──71.19混沌（十）_ev.mp4 18.50M

├──71.1线动力学系统（一）_ev.mp4 25.99M

├──71.20混沌（十一）_ev.mp4 21.09M

├──71.2线动力学系统（二）_ev.mp4 30.90M

├──71.3二维系统动力学综述—Poincare引理_ev.mp4 31.32M

├──71.4Bifurcation（一）_ev.mp4 12.63M

├──71.5Bifurcation（二）_ev.mp4 30.39M

├──71.6Bifurcation（三）_ev.mp4 28.40M

├──71.7Bifurcation（四）_ev.mp4 26.12M

├──71.8Bifurcation（五）_ev.mp4 33.44M

└──71.9Bifurcation（六）_ev.mp4 57.34M

├──72-线动力学系统（下）

├──72.1自然语言处理（一）_ev.mp4 28.69M

├──72.2自然语言处理（二）_ev.mp4 31.79M

├──72.3RNN_ev.mp4 31.55M

└──72.4RNN及_ev.mp4 28.39M

├──73-自然语言处理导入

├──73.1中文分词_ev.mp4 24.91M

├──73.2中文分词、依存文法分析_ev.mp4 22.11M

├──73.3篇章分析、自动摘要、知识提取、文本相似度计算_ev.mp4 35.61M

├──73.4知识库构建、问答系统_ev.mp4 36.10M

├──73.5示范2的豆瓣评论词云（一）_ev.mp4 48.07M

├──73.6示范2的豆瓣评论词云（二）_ev.mp4 42.91M

├──73.7示范2的豆瓣评论词云（三）_ev.mp4 50.17M

├──73.8示范2的豆瓣评论词云（四）_ev.mp4 58.42M

└──73.9示范2的豆瓣评论词云（五）_ev.mp4 51.46M

├──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）_ev.mp4 28.05M

├──74.11一些传播动力学模型（八）_ev.mp4 21.25M

├─