01-復雜系統(tǒng)
02-大數(shù)據(jù)與機器學習
03-人工智能的三個階段
04-高等數(shù)學—元素和極限
05-復雜網(wǎng)絡經(jīng)濟學應用
06-機器學習與監(jiān)督算法
07-阿爾法狗與強化學習算法
08-高等數(shù)學—兩個重要的極限定理
09-高等數(shù)學—導數(shù)
10-貝葉斯理論
11-高等數(shù)學—泰勒展開
12-高等數(shù)學—偏導數(shù)
13-高等數(shù)學—積分
14-高等數(shù)學—正態(tài)分布
15-樸素貝葉斯和最大似然估計
16-線
17-數(shù)據(jù)科學和統(tǒng)計學（上）
18-線代數(shù)—矩陣、等價類和行列式
19-Python基礎課程（上）
20-線代數(shù)—特征值與特征向量
21-監(jiān)督學習框架
22-Python基礎課程（下）
23-PCA、降維方法引入
24-數(shù)據(jù)科學和統(tǒng)計學（下）
25-Python操作數(shù)據(jù)庫、 Python爬蟲
26-線分類器
27-Python進階（上）
28-Scikit-Learn
29-熵、邏輯斯蒂回歸、SVM引入
30-Python進階（下）
31-決策樹
32-數(shù)據(jù)呈現(xiàn)基礎
33-云計算初步
34-D-Park實戰(zhàn)
35-第四范式分享
36-決策樹到隨機森林
37-數(shù)據(jù)呈現(xiàn)進階
38-強化學習（上）
39-強化學習（下）
40-SVM和網(wǎng)絡引入
41-集成模型總結和GDBT理解及其衍生應用
42-網(wǎng)絡
43-監(jiān)督學習－回歸
44-監(jiān)督學習－分類
45-網(wǎng)絡基礎與卷積網(wǎng)絡
46-時間序列預測
47-人工智能金融應用
48-計算機視覺深度學習入門目的篇
49-計算機視覺深度學習入門結構篇
50-計算機視覺學習入門優(yōu)化篇
51-計算機視覺深度學習入門數(shù)據(jù)篇
52-計算機視覺深度學習入門工具篇
53-個化推薦算法
54-Pig和Spark鞏固
55-人工智能與設計
56-網(wǎng)絡
57-線動力學
58-訂單流模型
59-區(qū)塊鏈一場革命
60-統(tǒng)計物理專題（一）
61-統(tǒng)計物理專題（二）
62-復雜網(wǎng)絡簡介
63-ABM簡介及金融市場建模
64-用伊辛模型理解復雜系統(tǒng)
65-金融市場的復雜性
66-廣泛出現(xiàn)的冪律分布
67-自然啟發(fā)算法
68-機器學習的方法
69-模型可視化工程管理
70-Value Iteration Networks
70-最新回放
71-線動力學系統(tǒng)（上）
72-線動力學系統(tǒng)（下）
73-自然語言處理導入
74-復雜網(wǎng)絡上的物理傳輸過程
75-RNN及LSTM
76-漫談人工智能創(chuàng)業(yè)
77-學習其他主題
78-課程總結
