实用数据挖掘与人工智能

08-25 11:14

实用数据挖掘与人工智能掌握硅谷前沿技术

实用数据挖掘与人工智能掌握硅谷前沿技术 01-复杂系统 02-大数据与机器学习 03-人工智能的三个阶段 04-高等数学—元素和极限 05-复杂网络经济学应用 06-机器学习与监督算法 07-阿尔法狗与强化学习算法 08-高等数学—两个重要的极限定理 09-高等数学—导数 10-贝叶斯理论 11-高等数学—泰勒展开 12-高等数学—偏导数 13-高等数学—积分 14-高等数学—正态分布 15-朴素贝叶斯和最大似然估计 16-线 17-数据科学和统计学 18-线代数—矩阵、等价类和行列式 19-Python基础课程 20-线代数—特征值与特征向量 21-监督学习框架 22-Python基础课程 23-Python操作数据库、 Python爬虫 24-线分类器 25-Python进阶 26-Scikit-Learn 27-熵、逻辑斯蒂回归、SVM引入 28-决策树 29-数据呈现基础 30-云计算初步 31-D-Park实战 32-第四范式分享 33-决策树到随机森林 34-数据呈现进阶 35-强化学习 36-SVM和网络引入 37-集成模型总结和GDBT理解及其衍生应用 38-网络 39-监督学习－回归 40-监督学习－分类 41-网络基础与卷积网络 42-时间序列预测 43-人工智能金融应用 44-计算机视觉深度学习入门目的篇 45-计算机视觉深度学习入门结构篇 46-计算机视觉学习入门优化篇 47-计算机视觉深度学习入门数据篇 48-计算机视觉深度学习入门工具篇 49-个化推荐算法 50-Pig和Spark巩固 51-人工智能与设计 52-网络 53-线动力学 54-订单流模型 55-区块链一场革命 56-统计物理专题 57-复杂网络简介 58-ABM简介及金融市场建模 59-用伊辛模型理解复杂系统 60-金融市场的复杂性 61-广泛出现的幂律分布 62-自然启发算法 63-机器学习的方法 64-模型可视化工程管理 65-Value Iteration Networks 66-最新回放 67-线动力学系统 68-自然语言处理导入 69-复杂网络上的物理传输过程 70-RNN及LSTM 71-漫谈人工智能创业 72-学习其他主题 73-课程总结

643

03-29 06:36

实用数据挖掘与人工智能一月特训班

课程目录: 1、课程:熟悉Jupyter notebook.zip 2、课程:文献与代码管理工具及统计基础.zip 3、课程:Python基本数据类型.zip 4、课程:函数与Python基本数据结构.zip 5、课程:Numpy的基本操作.zip 6、课程:Pandas的基本操作.zip 7、课程:最新回放.zip

443