声明：本网站所有内容均为资源介绍学习参考，如有侵权请联系后删除
课程介绍
人工智能、大数据与复杂系统，该课程是万门大学主推课程。
包括了 复杂系统 Python 基础 爬虫 数学基础 大数据基础以及 人工智能
有监督学习 无监督学习 强化学习 深度学习 神经网络 卷神经网络 视觉深度学习 推荐算法 等等等等。
你可以根据你需要的进行学习，不一定要全部看完，例如：你就看看基础，学学爬虫，抓抓妹子，你也可以，学学到底是如何换头的，或是看看人脸识别到底怎么做的。甚至就了解了解，人工智能到底是什么鬼！！ 带来哪些行业的危机，大数据到底干啥用的….
内容目录：
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-高等数学一元素和极限
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-高等数学一两个重要的极限定理
09-高等数学一导数
10-贝叶斯理论
11-高等数学一泰勒展开
12-高等数学一偏导数
13-高等数学一积分
14-高等数学一正态分布
15-朴素贝叶斯和最大似然估计
16-线
17-数据科学和统计学（上）
18-线代数一矩阵、等价类和行列式
19-Python基础课程（上）
20-线代数一特征值与特征向量
21-监督学习框架
22-Python基础课程（下）
23-PCA、降维方法引入
24数据科学和统计学（下）
25-Python操作数据库、Python爬虫
26-线分类器
27-Python进阶（上）
28-Scikit-Learn
29-痛、逻辑斯蒂回归、SVM引入
30-Python进阶（下）
31-决策树
32-数据呈现基础
33-云计算初步
34-D-Park实战
35-第四范式分享
36-决策树到随机森林
37-数据呈现进阶
38强化学习（上）
39强化学习（下）
40-SVM和网络引入
41-集成模型总结和GDBT理解及其衍生应用
42-网络
43-监督学习-回归
44-监督学习-分类
45-网络基础与卷积网络
46-时间序列预测
47-人工智能金融应用
48-计算机视觉深度学习入门目的篇
49-计算机视觉深度学习入门结构篇
50-计算机视觉学习入门优化篇
51-计算机视觉深度学习入门数据篇
52-计算机视觉深度学习入门工具篇
53-个化推荐算法
54-Pig和Spark巩国
55-人工智能与设计
56-网络
57-钱动力学
58-订单流模型
59-区块链一场革命
60-统计物理专题（一）
61-统计物理专题（二）
62-复杂网络简介
63-ABM简介及金融市场建模
64-用伊辛模型理解复杂系统
65-金融市场的复杂性
66-广泛出现的幂律分布
67-自然启发算法
68-机器学习的方法
69-模型可视化工程管理
70-Value Iteration Networks
70-最新回放
71-线动力学系统（上）
72-线动力学系统（下）
73-自然语言处理导入
74-复杂网络上的物理传输过程
75-RNN及LSTM
76-漫谈人工智能创业
77-学习其他主题
78-课程总结