万门：人工智能、大数据与复杂系统，百度网盘分享

完结万门大学[32.68G]

可以直接转存[32.68G]

01-复杂系统[153.38M]

1.1物理预测的胜利与失效.mp4[56.75M]

1.2预测失效原因.mp4[19.91M]

1.3复杂系统引论.mp4[40.68M]

1.4生活实例与本章答疑.mp4[36.04M]

02-大数据与机器学习[48.01M]

2.1大数据预测因为噪声失效.mp4[36.91M]

2.2大数据与机器学习.mp4[11.10M]

03-人工智能的三个阶段[673.69M]

3.10课程大纲（二）.mp4[31.64M]

3.1规则阶段.mp4[100.85M]

3.2机器学习阶段发展至连接主义阶段.mp4[18.59M]

3.3课间答疑.mp4[175.56M]

3.4连接主义阶段发展至深度学习阶段.mp4[49.35M]

3.5三个阶段总结分析.mp4[22.08M]

3.6人工智能的应用（一）.mp4[43.33M]

3.7人工智能的应用（二）.mp4[24.59M]

3.8课间答疑.mp4[169.51M]

3.9课程大纲（一）.mp4[38.19M]

04-高等数学—元素和极限[509.66M]

4.10级数的收敛.mp4[47.75M]

4.11极限的定义.mp4[39.12M]

4.12极限的四则运算.mp4[33.32M]

4.13极限的复合.mp4[25.13M]

4.14连续性.mp4[40.51M]

4.1实数的定义（一）.mp4[32.77M]

4.2实数的定义（二）.mp4[41.81M]

4.3实数的定义（三）.mp4[36.73M]

4.4实数的元素个数（一）.mp4[22.67M]

4.5实数的元素个数（二）.mp4[37.52M]

4.6自然数个数少于实数个数（一）.mp4[38.61M]

4.7自然数个数少于实数个数（二）.mp4[44.61M]

4.8无穷大之比较（一）.mp4[44.13M]

4.9无穷大之比较（二）.mp4[24.98M]

05-复杂网络经济学应用[218.90M]

5.1用网络的思维看经济结构.mp4[46.12M]

5.2复杂网络认识前后.mp4[56.31M]

5.3从网络结构看不同地区（一）.mp4[75.10M]

5.4从网络结构看不同地区（二）.mp4[41.37M]

06-机器学习与监督算法[326.64M]

6.1什么是机器学习.mp4[24.50M]

6.2机器学习的类型.mp4[44.11M]

6.3简单回归实例（一）.mp4[43.03M]

6.4简单回归实例（二）.mp4[34.32M]

6.5简单回归实例（三）.mp4[180.68M]

07-阿尔法狗与强化学习算法[203.24M]

7.1人工智能的发展.mp4[41.85M]

7.2强化学习算法（一）.mp4[31.45M]

7.3强化学习算法（二）.mp4[50.43M]

7.4强化学习算法（三）.mp4[32.96M]

7.5Alphago给我们的启示.mp4[20.95M]

7.6无监督学习.mp4[25.60M]

08-高等数学—两个重要的极限定理[158.11M]

8.1元素与极限的知识点回顾.mp4[40.45M]

8.2第一个重要极限定理的证明（一）.mp4[38.70M]

8.3第一个重要极限定理的证明（二）.mp4[26.35M]

8.4夹逼定理.mp4[24.83M]

8.5第二个重要极限定理的证明.mp4[27.78M]

09-高等数学—导数[338.28M]

9.10泰勒展开的证明.mp4[37.57M]

9.1导数的定义.mp4[38.60M]

9.2初等函数的导数.mp4[45.30M]

9.3反函数的导数（一）.mp4[20.92M]

9.4反函数的导数（二）.mp4[26.92M]

9.5复合函数的导数.mp4[28.73M]

9.6泰勒展开.mp4[17.03M]

9.7罗尔定理.mp4[25.67M]

9.8微分中值定理和柯西中值定理.mp4[52.42M]

9.9洛比塔法则.mp4[45.12M]

0-宣传片[4.64M]

宣传片.mp4[4.64M]

10-贝叶斯理论[615.03M]

10.10贝叶斯于机器学习（一）.mp4[47.62M]

10.11贝叶斯于机器学习（二）.mp4[20.46M]

10.12贝叶斯决策（一）.mp4[34.84M]

10.13贝叶斯决策（二）.mp4[45.05M]

10.14贝叶斯决策（三）.mp4[65.28M]

10.1梯度优化（一）.mp4[61.02M]

10.2梯度优化（二）.mp4[67.83M]

10.3概率基础.mp4[35.55M]

10.4概率与事件.mp4[37.38M]

10.5贝叶斯推理（一）.mp4[35.91M]

10.6贝叶斯推理（二）.mp4[37.13M]

10.7贝叶斯推理（三）.mp4[30.98M]

10.8辛普森案件.mp4[52.39M]

10.9贝叶斯推理深入.mp4[43.60M]

11-高等数学—泰勒展开[201.22M]

11.1泰勒展开.mp4[41.11M]

11.2展开半径.mp4[27.59M]

11.3欧拉公式.mp4[48.30M]

11.4泰勒展开求极限（一）.mp4[27.06M]

11.5泰勒展开求极限（二）.mp4[57.16M]

12-高等数学—偏导数[137.73M]

12.1偏导数的对称性.mp4[34.78M]

12.2链式法则.mp4[34.32M]

12.3梯度算符、拉氏算符.mp4[68.64M]

13-高等数学—积分[162.01M]

13.1黎曼积分.mp4[22.41M]

13.2微积分基本定理.mp4[54.34M]

13.3分部积分（一）.mp4[46.49M]

13.4分部积分（二）.mp4[38.77M]

14-高等数学—正态分布[188.94M]

14.1标准正态分布.mp4[49.08M]

14.2中心极限定理.mp4[34.08M]

14.3误差函数.mp4[28.92M]

14.4二维正态分布.mp4[44.05M]

14.5多维正态分布.mp4[32.81M]

15-朴素贝叶斯和最大似然估计[476.63M]

15.10朴素贝叶斯（三）.mp4[63.84M]

15.11最大似然估计（一）.mp4[24.68M]

15.12最大似然估计（二）.mp4[51.42M]

15.1蒙特卡洛分析（一）.mp4[49.18M]

15.2蒙特卡洛分析（二）.mp4[34.77M]

15.3贝叶斯先验.mp4[47.41M]

15.4先验到后验的过程.mp4[21.71M]

15.5朴素贝叶斯（一）.mp4[33.49M]

15.6朴素贝叶斯（二）.mp4[40.55M]

15.7算法设计.mp4[22.30M]

15.8TF-IDF（一）.mp4[47.24M]

15.9TF-IDF（二）.mp4[40.03M]

16-线性代数—线性空间和线性变换[456.78M]

16.10非常规线性空间.mp4[52.42M]

16.11线性相关和线性无关.mp4[36.32M]

16.12秩.mp4[55.00M]

16.1线性代数概述.mp4[36.24M]

16.2线性代数应用方法论.mp4[17.40M]

16.3线性乘法的可交换性和结合律.mp4[44.41M]

16.4线性空间.mp4[17.05M]

16.5线性空间八条法则（一）.mp4[51.45M]

16.6线性空间八条法则（二）.mp4[46.92M]

16.7线性空间八条法则（三）.mp4[31.46M]

16.8连续傅立叶变换.mp4[26.85M]

16.9离散傅立叶变换.mp4[41.26M]

17-数据科学和统计学（上）[515.79M]

17.10随机变量（二）.mp4[15.26M]

17.11换门的概率模拟计算（一）.mp4[58.96M]

17.12换门的概率模拟计算（二）.mp4[37.75M]

17.13换门的概率模拟计算（三）.mp4[50.50M]

17.1课程Overview.mp4[36.35M]

17.2回顾统计学（一）.mp4[65.35M]

17.3回顾统计学（二）.mp4[52.93M]

17.4回顾统计学（三）.mp4[28.10M]

17.5回顾数据科学（一）.mp4[33.76M]

17.6回顾数据科学（二）和教材介绍.mp4[60.80M]

17.7R和RStudio等介绍（一）.mp4[24.96M]

17.8R和RStudio等介绍（二）.mp4[29.73M]

17.9随机变量（一）.mp4[21.35M]

18-线性代数—矩阵、等价类和行列式[570.28M]

18.10等价类.mp4[57.41M]

18.11行列式（一）.mp4[28.29M]

18.12行列式（二）.mp4[38.16M]

18.13行列式（三）.mp4[52.37M]

18.1线性代数知识点回顾.mp4[32.08M]

18.2矩阵表示线性变化.mp4[31.26M]

18.3可逆矩阵表示坐标变化.mp4[64.91M]

18.4相似矩阵.mp4[68.16M]

18.5相似矩阵表示相同线性变化.mp4[22.81M]

18.6线性代数解微分方程.mp4[67.44M]

18.7矩阵的运算—转秩（一）.mp4[41.89M]

18.8矩阵的运算—转秩（二）.mp4[34.80M]

18.9等价关系.mp4[30.69M]

19-Python基础课程（上）[440.76M]

19.10变量类型—字符串类型（三）.mp4[42.36M]

19.11变量类型—列表类型（一）.mp4[25.40M]

19.12变量类型—列表类型（二）.mp4[39.63M]

19.13变量类型—列表类型（三）.mp4[21.45M]

19.14变量类型—语言组类型、字典类型（一）.mp4[29.90M]

19.15变量类型—字典类型（二）.mp4[32.03M]

19.1Python介绍（一）.mp4[31.57M]

19.2Python介绍（二）.mp4[39.90M]

19.3变量—命名规范.mp4[30.52M]

19.4变量—代码规范.mp4[21.17M]

19.5变量类型—数值类型.mp4[23.48M]

19.6变量类型—bool类型.mp4[21.10M]

19.7变量类型—字符串类型（一）.mp4[27.30M]

19.8课间答疑.mp4[21.42M]

19.9变量类型—字符串类型（二）.mp4[33.52M]

20-线性代数—特征值与特征向量[473.86M]

20.10线性代数核心定理.mp4[28.68M]

20.11对偶空间（一）.mp4[28.56M]

20.12对偶空间（二）.mp4[46.73M]

20.13欧氏空间与闵氏空间.mp4[23.53M]

20.14厄米矩阵.mp4[11.39M]

20.1线性代数知识点回顾.mp4[29.06M]

20.2例题讲解（一）.mp4[34.51M]

20.3例题讲解（二）.mp4[34.44M]

20.4例题讲解（三）.mp4[40.60M]

20.5特征值与特征向量的物理意义.mp4[68.79M]

20.6特征值与特征向量的性质（一）.mp4[16.79M]

20.7特征值与特征向量的性质（二）.mp4[47.57M]

20.8本征值的计算（一）.mp4[31.39M]

20.9本征值的计算（二）.mp4[31.82M]

21-监督学习框架[468.25M]

21.10KNN(K最近邻)算法（二）.mp4[39.83M]

21.11KNN(K最近邻)算法（三）.mp4[19.84M]

21.12线性分类器.mp4[28.38M]

21.13高斯判别模型（一）.mp4[23.77M]

21.14高斯判别模型（二）.mp4[34.18M]

21.1经验误差和泛化误差.mp4[43.26M]

21.2最大后验估计.mp4[42.58M]

21.3正则化.mp4[18.82M]

21.4lasso回归.mp4[45.80M]

21.5超参数（一）.mp4[34.29M]

21.6超参数（二）.mp4[26.77M]

21.7监督学习框架（一）.mp4[32.13M]

21.8监督学习框架（二）.mp4[42.39M]

21.9KNN(K最近邻)算法（一）.mp4[36.21M]

22-Python基础课程（下）[378.28M]

22.10函数（三）.mp4[28.54M]

22.11函数（四）.mp4[33.92M]

22.12类（一）.mp4[29.36M]

22.13类（二）.mp4[26.83M]

22.14类（三）.mp4[24.82M]

22.1条件判断（一）.mp4[36.45M]

22.2条件判断（二）.mp4[32.63M]

22.3循环（一）.mp4[16.56M]

22.4循环（二）.mp4[25.58M]

22.5课间答疑.mp4[25.60M]

22.6循环（三）.mp4[24.84M]

22.7循环（四）.mp4[30.15M]

22.8函数（一）.mp4[18.46M]

22.9函数（二）.mp4[24.54M]

23-PCA、降维方法引入[290.63M]

23.1无监督学习框架.mp4[25.36M]

23.2降维存在的原因.mp4[21.27M]

23.3PCA数学分析方法（一）.mp4[31.34M]

23.4PCA数学分析方法（二）.mp4[41.67M]

23.5PCA数学分析方法（三）.mp4[29.07M]

23.6PCA数学分析方法（四）.mp4[34.13M]

23.7PCA之外的降维方法—LDA.mp4[16.30M]

23.8PCA背后的假设（一）.mp4[41.91M]

23.9PCA背后的假设（二）.mp4[49.58M]

24-数据科学和统计学（下）[327.48M]

24.10参数估计（一）.mp4[26.36M]

24.11参数估计（二）.mp4[20.68M]

24.12假设检验（一）.mp4[16.32M]

24.13假设检验（二）.mp4[23.42M]

24.1课程Overview.mp4[21.32M]

24.2理解统计思想（一）.mp4[22.23M]

24.3理解统计思想（二）.mp4[54.02M]

24.4理解统计思想（三）.mp4[21.84M]

24.5概率空间.mp4[14.83M]

24.6随机变量（一）.mp4[32.26M]

24.7随机变量（二）.mp4[16.79M]

24.8随机变量（三）.mp4[44.97M]

24.9随机变量（四）.mp4[12.42M]

25-Python操作数据库、Python爬虫[764.13M]

25.10Python操作数据库（二）.mp4[39.13M]

25.11Python操作数据库（三）.mp4[22.91M]

25.12Python操作数据库（四）.mp4[47.88M]

25.13Python爬虫（一）.mp4[65.29M]

25.14Python爬虫（二）.mp4[84.90M]

25.15Python爬虫（三）.mp4[59.24M]

25.16Python爬虫（四）.mp4[57.77M]

25.17Python爬虫（五）.mp4[69.90M]

25.1课程介绍.mp4[22.96M]

25.2认识关系型数据库（一）.mp4[45.99M]

25.3认识关系型数据库（二）.mp4[45.07M]

25.4MySQL数据库与Excel的不同.mp4[25.87M]

25.5命令行操作数据库（一）.mp4[43.94M]

25.6命令行操作数据库（二）.mp4[40.99M]

25.7命令行操作数据库（三）.mp4[19.77M]

25.8命令行操作数据库（四）.mp4[39.65M]

25.9Python操作数据库（一）.mp4[32.85M]

26-线性分类器[396.46M]

26.10Perceptron（三）.mp4[31.52M]

26.11Perceptron（四）.mp4[30.99M]

26.12熵与信息（一）.mp4[22.88M]

26.13熵与信息（二）.mp4[25.34M]

26.1Lasso：alpha参数与准确率（一）.mp4[24.66M]

26.2Lasso：alpha参数与准确率（二）.mp4[15.98M]

26.3Lasso：alpha参数与准确率（三）.mp4[62.14M]

26.4线性分类器.mp4[24.04M]

26.5LDA（一）.mp4[24.85M]

26.6LDA（二）.mp4[27.13M]

26.7LDA（三）.mp4[32.60M]

26.8Perceptron（一）.mp4[45.24M]

26.9Perceptron（二）.mp4[29.09M]

27-Python进阶（上）[440.11M]

27.10Pandas基本操作（四）.mp4[26.13M]

27.11Pandas绘图（一）.mp4[34.38M]

27.12Pandas绘图（二）.mp4[37.92M]

27.13Pandas绘图（三）.mp4[23.53M]

27.14Pandas绘图（四）.mp4[46.94M]

27.1NumPy基本操作（一）.mp4[31.03M]

27.2NumPy基本操作（二）.mp4[24.54M]

27.3NumPy基本操作（三）.mp4[27.38M]

27.4NumPy基本操作（四）.mp4[18.17M]

27.5NumPy基本操作（五）.mp4[28.95M]

27.6NumPy基本操作（六）.mp4[25.70M]

27.7Pandas基本操作（一）.mp4[42.09M]

27.8Pandas基本操作（二）.mp4[34.98M]

27.9Pandas基本操作（三）.mp4[38.37M]

28-Scikit-Learn[296.16M]

28.1课程介绍.mp4[29.67M]

28.2Scikit-Learn介绍.mp4[12.55M]

28.3数据处理（一）.mp4[38.72M]

28.4数据处理（二）.mp4[54.58M]

28.5模型实例、模型选择（一）.mp4[37.87M]

28.6模型实例、模型选择（二）.mp4[24.15M]

28.7模型实例、模型选择（三）.mp4[21.32M]

28.8模型实例、模型选择（四）.mp4[45.09M]

28.9模型实例、模型选择（五）.mp4[32.20M]

29-熵、逻辑斯蒂回归、SVM引入[396.52M]

29.10逻辑斯蒂回归（三）.mp4[40.61M]

29.11逻辑斯蒂回归（四）.mp4[40.62M]

29.12逻辑斯蒂回归（五）.mp4[24.38M]

29.13SVM引入.mp4[15.52M]

29.1熵（一）.mp4[35.89M]

29.2熵（二）.mp4[38.12M]

29.3熵（三）.mp4[30.18M]

29.4熵（四）.mp4[32.72M]

29.5熵（五）.mp4[20.18M]

29.6熵（六）.mp4[31.30M]

29.7熵（七）.mp4[10.80M]

29.8逻辑斯蒂回归（一）.mp4[38.72M]

29.9逻辑斯蒂回归（二）.mp4[37.48M]

30-Python进阶（下）[270.43M]

30.1泰坦尼克数据处理与分析（一）.mp4[29.29M]

30.2泰坦尼克数据处理与分析（二）.mp4[22.12M]

30.3泰坦尼克数据处理与分析（三）.mp4[22.34M]

30.4泰坦尼克数据处理与分析（四）.mp4[28.36M]

30.5泰坦尼克数据处理与分析（五）.mp4[27.54M]

30.6泰坦尼克数据处理与分析（六）.mp4[20.68M]

30.7泰坦尼克数据处理与分析（七）.mp4[38.10M]

30.8泰坦尼克数据处理与分析（八）.mp4[40.47M]

30.9泰坦尼克数据处理与分析（九）.mp4[41.54M]

31-决策树[117.97M]

31.1决策树（一）.mp4[21.31M]

31.2决策树（二）.mp4[32.57M]

31.3决策树（三）.mp4[36.97M]

31.4决策树（四）.mp4[27.11M]

32-数据呈现基础[216.38M]

32.1课程安排.mp4[48.84M]

32.2什么是数据可视化.mp4[15.77M]

32.3设计原则.mp4[23.97M]

32.4数据可视化流程.mp4[24.41M]

32.5视觉编码.mp4[34.14M]

32.6图形选择（一）.mp4[26.50M]

32.7图形选择（二）.mp4[20.23M]

32.8图形选择（三）.mp4[22.52M]

33-云计算初步[572.19M]

33.1Hadoop介绍.mp4[30.20M]

33.2Hdfs应用（一）.mp4[70.62M]

33.3Hdfs应用（二）.mp4[59.62M]

33.4MapReduce（一）.mp4[41.32M]

33.5MapReduce（二）.mp4[27.81M]

33.6Hive应用（一）.mp4[69.51M]

33.7Hive应用（二）.mp4[82.48M]

33.8Hive应用（三）.mp4[103.40M]

33.9Hive应用（四）.mp4[87.24M]

34-D-Park实战[922.41M]

34.10Spark应用（四）.mp4[78.99M]

34.11Spark应用（五）.mp4[94.63M]

34.12Spark应用（六）.mp4[118.58M]

34.13Spark应用（七）.mp4[102.70M]

34.1Pig应用（一）.mp4[60.66M]

34.2Pig应用（二）.mp4[57.65M]

34.3Pig应用（三）.mp4[62.50M]

34.4Pig应用（四）.mp4[58.18M]

34.5Pig应用（五）.mp4[55.62M]

34.6Pig应用（六）.mp4[24.96M]

34.7Spark应用（一）.mp4[70.69M]

34.8Spark应用（二）.mp4[38.42M]

34.9Spark应用（三）.mp4[98.82M]

35-第四范式[206.62M]

35.1推荐技术的介绍.mp4[24.48M]

35.2人是如何推荐商品的.mp4[24.67M]

35.3推荐系统的形式化以及如何评价推荐结果.mp4[17.30M]

35.4求解—从数据到模型.mp4[23.77M]

35.5数据拆分与特征工程.mp4[26.79M]

35.6推荐系统机器学习模型.mp4[35.12M]

35.7评估模型.mp4[24.81M]

35.8建模过程的演示与课间答疑.mp4[29.67M]

36-决策树到随机森林[403.22M]

36.10Bagging与决策树（一）.mp4[25.40M]

36.11Bagging与决策树（二）.mp4[29.93M]

36.12Boosting方法（一）.mp4[31.61M]

36.13Boosting方法（二）.mp4[17.26M]

36.14Boosting方法（三）.mp4[35.52M]

36.15Boosting方法（四）.mp4[30.04M]

36.1决策树.mp4[16.65M]

36.2随机森林.mp4[29.72M]

36.3在Scikit-Learn里面如何用随机森林做预测（一）.mp4[35.57M]

36.4在Scikit-Learn里面如何用随机森林做预测（二）.mp4[36.04M]

36.5模型参数的介绍.mp4[26.40M]

36.6集成方法（一）.mp4[28.04M]

36.7集成方法（二）.mp4[26.02M]

36.8Blending.mp4[17.42M]

36.9gt多样化.mp4[17.59M]

37-数据呈现进阶[605.80M]

37.10D3（三）.mp4[24.06M]

37.11div.html.mp4[20.87M]

37.12svg.html.mp4[68.32M]

37.13D3支持的数据类型.mp4[59.35M]

37.14Makeamap（一）.mp4[57.52M]

37.15Makeamap（二）.mp4[17.86M]

37.1静态信息图（一）.mp4[24.84M]

37.2静态信息图（二）.mp4[34.10M]

37.3静态信息图（三）.mp4[61.23M]

37.4静态信息图（四）.mp4[38.37M]

37.5静态信息图（五）.mp4[41.56M]

37.6HTML、CSS和JavaScript基础介绍.mp4[48.29M]

37.7DOM和开发者工具.mp4[28.72M]

37.8D3（一）.mp4[40.30M]

37.9D3（二）.mp4[40.42M]

38-强化学习（上）[356.72M]

38.10PolicyLearning（二）.mp4[23.46M]

38.11PolicyLearning（三）.mp4[33.01M]

38.12PolicyLearning（四）.mp4[27.71M]

38.13PolicyLearning（五）.mp4[17.57M]

38.14PolicyLearning（六）.mp4[37.05M]

38.1你所了解的强化学习是什么.mp4[27.73M]

38.2经典条件反射（一）.mp4[17.46M]

38.3经典条件反射（二）.mp4[29.48M]

38.4操作性条件反射.mp4[27.82M]

38.5EvaluationProblem（一）.mp4[26.50M]

38.6EvaluationProblem（二）.mp4[14.78M]

38.7EvaluationProblem（三）.mp4[20.03M]

38.8EvaluationProblem（四）.mp4[30.82M]

38.9PolicyLearning（一）.mp4[23.31M]

39-强化学习（下）[424.02M]

39.10大脑中的强化学习算法（三）.mp4[13.13M]

39.11大脑中的强化学习算法（四）.mp4[24.68M]

39.12大脑中的强化学习算法（五）.mp4[25.46M]

39.13RLinalphaGo（一）.mp4[27.48M]

39.14RLinalphaGo（二）.mp4[27.88M]

39.15RLinalphaGo（三）.mp4[18.06M]

39.16RLinalphaGo（四）.mp4[42.32M]

39.1PolicyLearning总结.mp4[25.07M]

39.2基于模型的RL（一）.mp4[37.28M]

39.3基于模型的RL（二）.mp4[14.14M]

39.4基于模型的RL（三）.mp4[36.55M]

39.5基于模型的RL（四）.mp4[36.46M]

39.6基于模型的RL（五）.mp4[19.95M]

39.7基于模型的RL（六）.mp4[16.18M]

39.8大脑中的强化学习算法（一）.mp4[38.31M]

39.9大脑中的强化学习算法（二）.mp4[21.08M]

40-SVM和神经网络引入[514.65M]

40.10SVM（九）.mp4[37.61M]

40.11SVM（十）.mp4[48.42M]

40.12SVM（十一）.mp4[45.33M]

40.13SVM（十二）和神经网络引入.mp4[51.96M]

40.1VC维.mp4[34.13M]

40.2SVM（一）.mp4[37.21M]

40.3SVM（二）.mp4[45.94M]

40.4SVM（三）.mp4[27.88M]

40.5SVM（四）.mp4[40.20M]

40.6SVM（五）.mp4[36.03M]

40.7SVM（六）.mp4[29.48M]

40.8SVM（七）.mp4[24.68M]

40.9SVM（八）.mp4[55.79M]

41-集成模型总结和GDBT理解及其衍生应用[741.55M]

41.10GDBT理解及其衍生应用（五）.mp4[43.16M]

41.11GDBT理解及其衍生应用（六）.mp4[48.96M]

41.12GDBT理解及其衍生应用（七）.mp4[43.89M]

41.13GDBT理解及其衍生应用（八）.mp4[87.32M]

41.14GDBT理解及其衍生应用（九）.mp4[28.85M]

41.15GDBT理解及其衍生应用（十）.mp4[60.77M]

41.1集成模型总结（一）.mp4[38.15M]

41.2集成模型总结（二）.mp4[40.99M]

41.3集成模型总结（三）.mp4[46.16M]

41.4集成模型总结（四）.mp4[39.00M]

41.5集成模型总结（五）.mp4[77.37M]

41.6GDBT理解及其衍生应用（一）.mp4[39.24M]

41.7GDBT理解及其衍生应用（二）.mp4[53.73M]

41.8GDBT理解及其衍生应用（三）.mp4[30.94M]

41.9GDBT理解及其衍生应用（四）.mp4[63.03M]

42-神经网络[252.39M]

42.1SVM比较其他分类起代码（一）.mp4[38.23M]

42.2SVM比较其他分类起代码（二）.mp4[55.56M]

42.3神经网络（一）.mp4[32.00M]

42.4神经网络（二）.mp4[43.00M]

42.5神经网络（三）.mp4[35.89M]

42.6神经网络（四）.mp4[47.70M]

43-监督学习－回归[361.10M]

43.10经验（一）.mp4[28.50M]

43.11经验（二）.mp4[38.61M]

43.12经验（三）.mp4[34.24M]

43.1机器学习的概念和监督学习.mp4[21.57M]

43.2机器学习工作流程（一）.mp4[11.71M]

43.3机器学习工作流程（二）.mp4[20.98M]

43.4机器学习工作流程（三）.mp4[20.04M]

43.5机器学习工作流程（四）.mp4[26.67M]

43.6案例分析（一）.mp4[17.12M]

43.7案例分析（二）.mp4[40.82M]

43.8案例分析（三）.mp4[39.25M]

43.9案例分析（四）.mp4[61.59M]

44-监督学习－分类[519.46M]

44.10模型训练与选择（二）.mp4[51.81M]

44.11Airbnb数据探索过程（一）.mp4[40.68M]

44.12Airbnb数据探索过程（二）.mp4[59.17M]

44.13地震数据可视化过程（一）.mp4[33.59M]

44.14地震数据可视化过程（二）.mp4[32.64M]

44.1常用的分类算法.mp4[18.56M]

44.2模型评估标准和案例分析.mp4[28.84M]

44.3数据探索（一）.mp4[27.11M]

44.4数据探索（二）.mp4[41.16M]

44.5数据探索（三）.mp4[33.29M]

44.6数据探索（四）.mp4[27.59M]

44.7数据探索（五）.mp4[52.32M]

44.8数据探索（六）.mp4[37.90M]

44.9模型训练与选择（一）.mp4[34.80M]

45-神经网络基础与卷积网络[621.74M]

45.10神经网络（十）.mp4[40.81M]

45.11图像处理基础.mp4[29.82M]

45.12卷积（一）.mp4[76.26M]

45.13卷积（二）.mp4[43.85M]

45.1神经网络（一）.mp4[38.95M]

45.2神经网络（二）.mp4[26.76M]

45.3神经网络（三）.mp4[21.70M]

45.4神经网络（四）.mp4[100.52M]

45.5神经网络（五）.mp4[107.87M]

45.6神经网络（六）.mp4[36.02M]

45.7神经网络（七）.mp4[26.19M]

45.8神经网络（八）.mp4[33.37M]

45.9神经网络（九）.mp4[39.64M]

46-时间序列预测[470.89M]

46.10长短期记忆网络（LSTM）案例分析.mp4[44.20M]

46.11Facebook开源的新预测工具—Prophet（一）.mp4[44.22M]

46.12Facebook开源的新预测工具—Prophet（二）.mp4[49.99M]

46.13课程答疑.mp4[43.95M]

46.1时间序列预测概述（一）.mp4[21.13M]

46.2时间序列预测概述（二）.mp4[25.35M]

46.3差分自回归移动平均模型(ARIMA).mp4[31.24M]

46.4差分自回归移动平均模型(ARIMA)案例分析（一）.mp4[46.17M]

46.5差分自回归移动平均模型(ARIMA)案例分析（二）.mp4[52.10M]

46.6差分自回归移动平均模型(ARIMA)案例分析（三）.mp4[26.18M]

46.7差分自回归移动平均模型(ARIMA)案例分析（四）.mp4[44.54M]

46.8长短期记忆网络（LSTM）（一）.mp4[21.07M]

46.9长短期记忆网络（LSTM）（二）.mp4[20.75M]

47-人工智能金融应用[292.48M]

47.1人工智能金融应用（一）.mp4[28.75M]

47.2人工智能金融应用（二）.mp4[40.74M]

47.3人工智能金融应用（三）.mp4[37.08M]

47.4人工智能金融应用（四）.mp4[47.73M]

47.5机器学习方法（一）.mp4[35.20M]

47.6机器学习方法（二）.mp4[28.61M]

47.7机器学习方法（三）.mp4[31.28M]

47.8机器学习方法（四）.mp4[43.09M]

48-计算机视觉深度学习入门目的篇[801.65M]

48.1计算机视觉深度学习入门概述.mp4[103.56M]

48.2计算机视觉领域正在关心的问题（一）.mp4[133.77M]

48.3计算机视觉领域正在关心的问题（二）.mp4[73.85M]

48.4实际问题转化为具体问题并用深度学习解决（一）.mp4[119.15M]

48.5实际问题转化为具体问题并用深度学习解决（二）.mp4[153.33M]

48.6实际问题转化为具体问题并用深度学习解决（三）.mp4[94.60M]

48.7实际问题转化为具体问题并用深度学习解决（四）.mp4[123.40M]

49-计算机视觉深度学习入门结构篇[1.36G]

49.10结构之间的优劣评判以及实验结果（五）.mp4[99.63M]

49.11结构之间的优劣评判以及实验结果（六）.mp4[77.54M]

49.12结构之间的优劣评判以及实验结果（七）.mp4[108.34M]

49.13结构之间的优劣评判以及实验结果（八）.mp4[111.10M]

49.1复习计算机视觉最主要的负责特征提取的结构CNN.mp4[131.94M]

49.2特征如何组织（一）.mp4[126.19M]

49.3特征如何组织（二）.mp4[85.98M]

49.4特征如何组织（三）.mp4[92.86M]

49.5特征如何组织（四）.mp4[113.36M]

49.6结构之间的优劣评判以及实验结果（一）.mp4[116.35M]

49.7结构之间的优劣评判以及实验结果（二）.mp4[87.73M]

49.8结构之间的优劣评判以及实验结果（三）.mp4[148.19M]

49.9结构之间的优劣评判以及实验结果（四）.mp4[91.32M]

50-计算机视觉深度学习入门优化篇[675.51M]

50.1计算机视觉深度学习入门：优化篇概述.mp4[70.37M]

50.2CNN模型的一阶优化逻辑.mp4[148.70M]

50.3训练稳定性：Annealing和Momentum.mp4[69.52M]

50.4抗拟合：从Dropout到WeightDecay.mp4[128.01M]

50.5竞争优化器和多机并行.mp4[134.88M]

50.6手动超参优化逻辑以及超参优化往何处去.mp4[124.03M]

51-计算机视觉深度学习入门数据篇[429.79M]

51.1计算机视觉领域的常用竞赛数据集.mp4[104.33M]

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）.mp4[104.69M]

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）.mp4[81.45M]

51.4如何使用端到端深度学习的方法.mp4[139.32M]

52-计算机视觉深度学习入门工具篇[257.02M]

52.1计算机视觉深度学习入门工具篇（一）.mp4[93.54M]

52.2计算机视觉深度学习入门工具篇（二）.mp4[110.24M]

52.3计算机视觉深度学习入门工具篇（三）.mp4[53.25M]

53-个性化推荐算法[313.64M]

53.10工程化实践、常见的问题与解决方法、前沿进展与展望.mp4[33.72M]

53.1个性化推荐的发展.mp4[26.09M]

53.2推荐算法的演进（一）.mp4[25.52M]

53.3推荐算法的演进（二）.mp4[35.84M]

53.4推荐算法的演进（三）.mp4[27.90M]

53.5推荐算法的演进（四）.mp4[40.25M]

53.6建模stepbystep（一）.mp4[34.01M]

53.7建模stepbystep（二）.mp4[38.70M]

53.8建模stepbystep（三）.mp4[32.73M]

53.9算法评估和迭代.mp4[18.88M]

54-Pig和Spark巩固[799.66M]

54.10Spark巩固（五）.mp4[101.73M]

54.1Pig巩固（一）.mp4[43.80M]

54.2Pig巩固（二）.mp4[115.33M]

54.3Pig巩固（三）.mp4[89.15M]

54.4Pig巩固（四）.mp4[82.98M]

54.5Pig巩固（五）.mp4[70.14M]

54.6Spark巩固（一）.mp4[65.64M]

54.7Spark巩固（二）.mp4[105.44M]

54.8Spark巩固（三）.mp4[70.56M]

54.9Spark巩固（四）.mp4[54.90M]

55-人工智能与设计[261.34M]

55.10使用人工智能的方式.mp4[26.10M]

55.1智能存在的意义是什么.mp4[19.54M]

55.2已有人工智的设计应用.mp4[18.64M]

55.3人的智能（一）.mp4[17.03M]

55.4人的智能（二）.mp4[28.66M]

55.5人的智能的特点（一）.mp4[29.62M]

55.6人的智能的特点（二）.mp4[27.86M]

55.7人的智能的特点（三）.mp4[41.62M]

55.8人工智能（一）.mp4[27.63M]

55.9人工智能（二）.mp4[24.63M]

56-神经网络[190.91M]

56.1卷积的本质.mp4[27.83M]

56.2卷积的三大特点.mp4[34.15M]

56.3Pooling.mp4[16.96M]

56.4数字识别（一）.mp4[33.21M]

56.5数字识别（二）.mp4[31.97M]

56.6感受野.mp4[23.33M]

56.7RNN.mp4[23.46M]

57-非线性动力学[220.13M]

57.1非线性动力学.mp4[23.13M]

57.2线性动力系统.mp4[39.97M]

57.3线性动力学与非线性动力学系统（一）.mp4[40.37M]

57.4线性动力学与非线性动力学系统（二）.mp4[39.76M]

57.5定点理论.mp4[39.76M]

57.6Poincare引理.mp4[37.13M]

58-高频交易订单流模型[183.46M]

58.1高频交易.mp4[20.17M]

58.2点过程基础（一）.mp4[13.47M]

58.3点过程基础（二）.mp4[24.16M]

58.4点过程基础（三）.mp4[17.88M]

58.5订单流数据分析（一）.mp4[22.35M]

58.6订单流数据分析（二）.mp4[20.85M]

58.7订单流数据分析（三）.mp4[17.74M]

58.8订单流数据分析（四）.mp4[20.63M]

58.9订单流数据分析（五）.mp4[26.22M]

59-区块链一场革命[85.98M]

59.1比特币（一）.mp4[23.00M]

59.2比特币（二）.mp4[15.72M]

59.3比特币（三）.mp4[32.06M]

59.4以太坊简介及ICO.mp4[15.19M]

60-统计物理专题（一）[413.11M]

60.10证明理想气体方程.mp4[23.30M]

60.11化学势.mp4[41.52M]

60.12四大热力学势（一）.mp4[30.13M]

60.13四大热力学势（二）.mp4[38.40M]

60.1统计物理的开端(一).mp4[32.96M]

60.2统计物理的开端（二）.mp4[24.17M]

60.3抛硬币抛出正态分布（一）.mp4[19.46M]

60.4抛硬币抛出正态分布（二）.mp4[35.67M]

60.5再造整个世界（一）.mp4[30.55M]

60.6再造整个世界（二）.mp4[35.10M]

60.7温度的本质（一）.mp4[40.98M]

60.8温度的本质（二）.mp4[27.34M]

60.9压强.mp4[33.55M]

61-统计物理专题（二）[150.04M]

万门大学终身会员课咨询客服501863613[0.00K]

61.1神奇公式.mp4.mp4[34.65M]

61.2信息熵（一）.mp4[17.86M]

61.3信息熵（二）.mp4[28.56M]

61.4Boltzmann分布.mp4[30.18M]

61.5配分函数Z.mp4[38.78M]

62-复杂网络简介[133.69M]

62.1Networksinrealworlds.mp4[14.25M]

62.2BasicConcepts（一）.mp4[19.84M]

62.3BasicConcepts（二）.mp4[13.30M]

62.4Models（一）.mp4[12.13M]

62.5Models（二）.mp4[14.05M]

62.6Algorithms（一）.mp4[25.38M]

62.7Algorithms（二）.mp4[34.74M]

63-ABM简介及金融市场建模[582.61M]

63.10ABM与复杂系统建模-交通系统（一）.mp4[27.16M]

63.11ABM与复杂系统建模-交通系统（二）.mp4[37.89M]

63.12ABM金融市场-SFI股票市场模型（一）.mp4[31.98M]

63.13ABM金融市场-SFI股票市场模型（二）.mp4[25.36M]

63.14ABM金融市场-genova市场模型.mp4[31.88M]

63.15ABM金融市场-Agent及其行为.mp4[31.77M]

63.16学习模型.mp4[35.67M]

63.17ABM金融市场-价格形成机制.mp4[15.76M]

63.18ABM的特点与缺陷.mp4[29.34M]

63.1课程介绍.mp4[26.86M]

63.2系统与系统建模.mp4[39.51M]

63.3ABM与复杂系统建模（一）.mp4[36.32M]

63.4ABM与复杂系统建模（二）.mp4[45.10M]

63.5ABM与复杂系统建模（三）.mp4[36.85M]

63.6ABM为经济系统建模.mp4[30.42M]

63.7经典经济学如何给市场建模.mp4[35.29M]

63.8ABM与复杂系统建模-市场交易.mp4[40.14M]

63.9ABM与复杂系统建模-技术扩散.mp4[25.30M]

64-用伊辛模型理解复杂系统[518.01M]

64.10（网络中的）投票模型.mp4[24.22M]

64.11观念动力学.mp4[29.82M]

64.12集体运动Vicsek模型.mp4[38.31M]

64.13自旋玻璃.mp4[18.15M]

64.14Hopfield神经网络.mp4[23.30M]

64.15限制Boltzmann机.mp4[30.24M]

64.16深度学习与重正化群（一）.mp4[35.40M]

64.17深度学习与重正化群（二）.mp4[21.92M]

64.18总结.mp4[30.73M]

64.19答疑.mp4[17.36M]

64.1伊辛模型的背景及格气模型.mp4[24.37M]

64.2伊辛模型（一）.mp4[19.17M]

64.3伊辛模型（二）.mp4[19.62M]

64.4从能量到统计分布及MonteCarlo模拟.mp4[23.56M]

64.5IsingModel(2D).mp4[25.98M]

64.6相变和临界现象.mp4[43.62M]

64.7CriticalExponents.mp4[26.70M]

64.8正问题和反问题.mp4[29.14M]

64.9（空间中的）投票模型.mp4[36.38M]

65-金融市场的复杂性[639.59M]

65.10ClassicalBenchmarks（五）.mp4[29.71M]

65.11EndogenousRisk（一）.mp4[42.78M]

65.12EndogenousRisk（二）.mp4[36.84M]

65.13EndogenousRisk（三）.mp4[40.22M]

65.14EndogenousRisk（四）.mp4[18.31M]

65.15EndogenousRisk（五）.mp4[35.46M]

65.16EndogenousRisk（六）.mp4[37.13M]

65.17HeterogeneousBeliefs（一）.mp4[42.37M]

65.18HeterogeneousBeliefs（二）.mp4[44.83M]

65.19总结.mp4[21.10M]

65.1导论（一）.mp4[38.96M]

65.2导论（二）.mp4[39.67M]

65.3导论（三）.mp4[21.40M]

65.4导论（四）.mp4[30.33M]

65.5导论（五）.mp4[37.59M]

65.6ClassicalBenchmarks（一）.mp4[31.91M]

65.7ClassicalBenchmarks（二）.mp4[28.58M]

65.8ClassicalBenchmarks（三）.mp4[40.01M]

65.9ClassicalBenchmarks（四）.mp4[22.39M]

66-广泛出现的幂律分布[241.83M]

66.1生物界（一）.mp4[29.04M]

66.2生物界（二）.mp4[24.32M]

66.3生物界（三）.mp4[22.86M]

66.4生物界（四）.mp4[30.99M]

66.5城市、商业（一）.mp4[33.94M]

66.6城市、商业（二）.mp4[33.28M]

66.7启示（一）.mp4[31.50M]

66.8启示（二）.mp4[17.57M]

66.9总结.mp4[18.33M]

67-自然启发算法[499.62M]

67.10粒子群算法（一）.mp4[37.15M]

67.11粒子群算法（二）.mp4[38.20M]

67.12粒子群算法（三）.mp4[33.56M]

67.13遗传算法和PSO的比较.mp4[25.66M]

67.14更多的类似的算法（一）.mp4[34.86M]

67.15更多的类似的算法（二）.mp4[27.43M]

67.16答疑.mp4[35.37M]

67.1课程回顾及答疑.mp4[29.67M]

67.2概括（一）.mp4[29.21M]

67.3概括（二）.mp4[15.86M]

67.4模拟退火算法（一）.mp4[40.23M]

67.5模拟退火算法（二）.mp4[32.77M]

67.6进化相关的算法（一）.mp4[26.37M]

67.7进化相关的算法（二）.mp4[29.70M]

67.8进化相关的算法（三）.mp4[35.95M]

67.9进化相关的算法（四）.mp4[27.62M]

68-机器学习的方法[575.40M]

68.10输出是最好的学习（二）.mp4[16.02M]

68.11案例（一）.mp4[27.57M]

68.12案例（二）.mp4[18.35M]

68.13案例（三）.mp4[20.45M]

68.14案例（四）.mp4[37.97M]

68.15案例（五）.mp4[16.35M]

68.1为什么要讲学习方法.mp4[24.69M]

68.2阅读论文.mp4[19.88M]

68.3综述式文章举例（一）.mp4[88.32M]

68.4综述式文章举例（二）.mp4[150.55M]

68.5碎片化时间学习及书籍.mp4[51.55M]

68.6视频学习资源及做思维导图.mp4[33.82M]

68.7铁哥答疑（一）.mp4[28.49M]

68.8铁哥答疑（二）.mp4[19.16M]

68.9输出是最好的学习（一）.mp4[22.24M]

69-模型可视化工程管理[800.53M]

69.10定制化可视化系统—JupyterDashboard（一）.mp4[30.84M]

69.11定制化可视化系统—JupyterDashboard（二）.mp4[38.70M]

69.12变身前端—seaboarn+Bokeh+Echarts.mp4[71.32M]

69.13日志管理系统—ELK.mp4[50.36M]

69.14极速Bi系统—superset.mp4[40.22M]

69.15Dashboard补充.mp4[55.35M]

69.16ELK补充.mp4[63.33M]

69.17Superset补充.mp4[60.90M]

69.18Superset补充及总结.mp4[20.41M]

69.1课程简介.mp4[20.73M]

69.2虚拟换环境—Anaconda&docker（一）.mp4[28.71M]

69.3虚拟换环境—Anaconda&docker（二）.mp4[29.99M]

69.4虚拟换环境—Anaconda&docker（三）.mp4[59.30M]

69.5虚拟换环境—Anaconda&docker（四）.mp4[34.50M]

69.6虚拟换环境—Anaconda&docker（五）.mp4[53.32M]

69.7虚拟换环境—Anaconda&docker（六）.mp4[38.22M]

69.8虚拟换环境—Anaconda&docker（七）.mp4[54.64M]

69.9虚拟换环境—Anaconda&docker（八）.mp4[49.70M]

70-ValueIterationNetworks[92.97M]

70.1Background&Motivation.mp4[22.96M]

70.2ValueIteration.mp4[19.77M]

70.3Grid—worldDomain.mp4[23.79M]

70.4总结及答疑.mp4[26.44M]

70-最新回放[841.54M]

0822CNNRNN回顾非线性动力学引入.mp4[469.87M]

0822高频订单流模型、区块链介绍.mp4[371.67M]

71-非线性动力学系统（上）[795.65M]

71.10混沌（一）.mp4[28.57M]

71.11混沌（二）.mp4[24.57M]

71.12混沌（三）.mp4[21.45M]

71.13混沌（四）.mp4[24.02M]

71.14混沌（五）.mp4[32.35M]

71.15混沌（六）.mp4[86.21M]

71.16混沌（七）.mp4[157.69M]

71.17混沌（八）.mp4[31.50M]

71.18混沌（九）.mp4[31.55M]

71.19混沌（十）.mp4[19.79M]

71.1非线性动力学系统（一）.mp4[27.97M]

71.20混沌（十一）.mp4[30.34M]

71.2非线性动力学系统（二）.mp4[33.68M]

71.3二维系统动力学综述—Poincare引理.mp4[33.68M]

71.4Bifurcation（一）.mp4[13.74M]

71.5Bifurcation（二）.mp4[34.23M]

71.6Bifurcation（三）.mp4[31.99M]

71.7Bifurcation（四）.mp4[28.74M]

71.8Bifurcation（五）.mp4[37.99M]

71.9Bifurcation（六）.mp4[65.59M]

72-非线性动力学系统（下）[130.30M]

72.1自然语言处理乱弹（一）.mp4[30.91M]

72.2自然语言处理乱弹（二）.mp4[34.14M]

72.3RNN.mp4[34.41M]

72.4RNN及答疑.mp4[30.83M]

73-自然语言处理导入[447.45M]

73.1中文分词.mp4[27.72M]

73.2中文分词、依存文法分析.mp4[26.70M]

73.3篇章分析、自动摘要、知识提取、文本相似度计算.mp4[40.90M]

73.4知识库构建、问答系统.mp4[42.68M]

73.5示范战狼2的豆瓣评论词云（一）.mp4[56.85M]

73.6示范战狼2的豆瓣评论词云（二）.mp4[54.80M]

73.7示范战狼2的豆瓣评论词云（三）.mp4[62.73M]

73.8示范战狼2的豆瓣评论词云（四）.mp4[72.17M]

73.9示范战狼2的豆瓣评论词云（五）.mp4[62.90M]

74-复杂网络上的物理传输过程[523.59M]

74.10一些传播动力学模型（七）.mp4[32.35M]

74.11一些传播动力学模型（八）.mp4[23.48M]

74.12仿真模型的建立过程（一）.mp4[45.00M]

74.13仿真模型的建立过程（二）.mp4[44.32M]

74.14仿真模型的建立过程（三）.mp4[63.74M]

74.15仿真模型的建立过程（四）.mp4[44.22M]

74.16Combiningcomplexnetworksanddatamining.mp4[31.87M]

74.1一些基本概念.mp4[18.50M]

74.2常用的统计描述物理量.mp4[14.42M]

74.3四种网络模型.mp4[30.33M]

74.4一些传播动力学模型（一）.mp4[28.15M]

74.5一些传播动力学模型（二）.mp4[28.95M]

74.6一些传播动力学模型（三）.mp4[29.58M]

74.7一些传播动力学模型（四）.mp4[31.41M]

74.8一些传播动力学模型（五）.mp4[29.53M]

74.9一些传播动力学模型（六）.mp4[27.75M]

75-RNN及LSTM[537.62M]

75.10梯度消失与梯度爆炸（二）.mp4[23.86M]

75.11Reservoircomputing—偷懒方法.mp4[19.75M]

75.12LSTM.mp4[32.47M]

75.13LSTM、UseExamples.mp4[36.54M]

75.14词向量、DeepRNN.mp4[22.04M]

75.15EncoderDecoderStructure.mp4[20.22M]

75.16LSTMTextGeneration（一）.mp4[44.13M]

75.17LSTMTextGeneration（二）.mp4[53.50M]

75.18LSTMTextGeneration（三）.mp4[54.82M]

75.1RNN—序列处理器（一）.mp4[23.35M]

75.2RNN—序列处理器（二）.mp4[31.35M]

75.3Asimpleenoughcase.mp4[29.03M]

75.4Adancebetweenfixpoints.mp4[30.69M]

75.5Fixpoint、TrainChaos.mp4[26.83M]

75.6RNN作为生成模型（动力系统）.mp4[24.58M]

75.7RNN训练—BPTT（一）.mp4[22.94M]

75.8RNN训练—BPTT（二）.mp4[18.79M]

75.9梯度消失与梯度爆炸（一）.mp4[22.73M]

76-漫谈人工智能创业[755.22M]

76.10三个战略管理学商业模型（三）.mp4[39.71M]

76.11三个战略管理学商业模型（四）.mp4[41.54M]

76.12三个战略管理学商业模型（五）.mp4[31.38M]

76.13三个战略管理学商业模型（六）.mp4[96.09M]

76.14三个战略管理学商业模型（七）.mp4[33.24M]

76.15三个战略管理学商业模型（八）.mp4[22.88M]

76.16三个战略管理学商业模型（九）.mp4[26.98M]

76.17关于Entrepreneurship.mp4[13.27M]

76.1人工智能对我们生活的影响（一）.mp4[51.66M]

76.2人工智能对我们生活的影响（二）.mp4[38.08M]

76.3人工智能对我们生活的影响（三）.mp4[47.45M]

76.4人工智能对我们生活的影响（四）.mp4[67.90M]

76.5人工智能对我们生活的影响（五）.mp4[70.66M]

76.6人工智能对我们生活的影响（六）.mp4[105.46M]

76.7人工智能创业中的商业思维.mp4[29.72M]

76.8三个战略管理学商业模型（一）.mp4[19.78M]

76.9三个战略管理学商业模型（二）.mp4[19.43M]

77-深度学习其他主题[369.12M]

77.10程序讲解（三）.mp4[47.88M]

77.1神经网络的无穷潜力.mp4[30.33M]

77.2玻尔兹曼机—联想的机器.mp4[27.68M]

77.3受限玻尔兹曼机.mp4[36.24M]

77.4对抗学习（一）.mp4[26.39M]

77.5对抗学习（二）.mp4[24.16M]

77.6对抗学习（三）.mp4[24.41M]

77.7对抗学习（四）.mp4[54.48M]

77.8程序讲解（一）.mp4[43.01M]

77.9程序讲解（二）.mp4[54.55M]

78-课程总结[308.09M]

78.10课程总结（二）.mp4[32.72M]

78.1开场.mp4[21.18M]

78.2Attention实例—SpatialTransformer.mp4[60.95M]

78.3猫狗大战—CNN实战（一）.mp4[42.01M]

78.4猫狗大战—CNN实战（二）.mp4[35.44M]

78.5RNN诗人.mp4[28.86M]

78.6课程复习.mp4[33.21M]

78.7课程大纲（一）.mp4[18.40M]

78.8课程大纲（二）.mp4[18.83M]

78.9课程总结（一）.mp4[16.49M]