实用数据挖掘与人工智能一月特训班 视频教程

冰点也疯狂

课程目录：
- w" q3 n$ X) W; o5 X' W1、课程：熟悉Jupyter notebook.1、创建新的Python环境
5 g4 t9 {0 H: X  P1、课程：熟悉Jupyter notebook.2、Python环境与版本（一）
1、课程：熟悉Jupyter notebook.3、Python环境与版本（二）
1、课程：熟悉Jupyter notebook.4、Python环境与版本（三）
1、课程：熟悉Jupyter notebook.5、Python环境与版本（四）
# M! j4 P9 @& T' B1、课程：熟悉Jupyter notebook.6、Python环境与版本（五）
, w0 Z  M& u" P8 V1、课程：熟悉Jupyter notebook.7、Python环境与版本（六）
- _5 d* _. I/ o/ L# g1、课程：熟悉Jupyter notebook.8、Python环境与版本（七）
1、课程：熟悉Jupyter notebook.9、安装决策树可视化工具Graphviz（一）
1、课程：熟悉Jupyter notebook.10、安装决策树可视化工具Graphviz（二）
1、课程：熟悉Jupyter notebook.11、几个重要的工具包介绍（一）
0 a  t  k+ q1 Q  W& V) u- U1、课程：熟悉Jupyter notebook.12、几个重要的工具包介绍（二）
1、课程：熟悉Jupyter notebook.13、安装TensorFlow与Keras（一）
& p2 p& v% r) t6 p5 ]  @5 m8 Y1、课程：熟悉Jupyter notebook.14、安装TensorFlow与Keras（二）
2 a3 c- l- [  r4 D0 O1、课程：熟悉Jupyter notebook.15、Jupyter notebook的基本使用技巧
" n) [- r& H0 Q1 D. `1、课程：熟悉Jupyter notebook.16、Markdown的基本技巧（一）
9 C/ p. J' Q6 K  c9 R. @1、课程：熟悉Jupyter notebook.17、Markdown的基本技巧（二）
+ [" R4 e- X& Z$ A& T/ q2、课程：文献与代码管理工具及统计基础.1、学习方法总结
2、课程：文献与代码管理工具及统计基础.2、Mendeley介绍及安装（一）
, T9 B5 k9 y% `$ N& E2 O% n1 A$ q2、课程：文献与代码管理工具及统计基础.3、Mendeley介绍及安装（二）
- q0 K) d/ B" `# e" V3 Y; d2、课程：文献与代码管理工具及统计基础.4、GitHub介绍及安装
7 p4 P: D+ ?  T! Q2、课程：文献与代码管理工具及统计基础.5、GitHub远端连接操作（一）
: s" z) a. U% F( n5 U7 n6 N& B! ]2、课程：文献与代码管理工具及统计基础.6、GitHub远端连接操作（二）
2、课程：文献与代码管理工具及统计基础.7、GitHub远端连接操作（三）
' {* L5 C' T: z" f$ j2、课程：文献与代码管理工具及统计基础.8、答疑（一）
2、课程：文献与代码管理工具及统计基础.9、答疑（二）
5 p, m' J6 m7 e2、课程：文献与代码管理工具及统计基础.10、答疑（三）
2、课程：文献与代码管理工具及统计基础.11、统计基础概述
% ]+ i+ `; u& O* ?' Y) W" \( e; |: @3、课程：Python基本数据类型.1、课程概述
3、课程：Python基本数据类型.2、计算机语言与程序概述（一）
3、课程：Python基本数据类型.3、计算机语言与程序概述（二）
3、课程：Python基本数据类型.4、为什么需要编程语言
3、课程：Python基本数据类型.5、Python能做什么
4 u0 o( q1 L2 B3、课程：Python基本数据类型.6、课间答疑
9 t# |( l$ {/ T: d9 f. o; v3、课程：Python基本数据类型.7、Python2和Python3的区别
3、课程：Python基本数据类型.8、编程语言的元素
) z/ m, ^9 M& [; w' r, {: d: e3、课程：Python基本数据类型.9、致敬 Hello World
) f( b: q1 w" i0 N7 e7 F3、课程：Python基本数据类型.10、Python基本数据类型（一）
3、课程：Python基本数据类型.11、Python基本数据类型（二）
3、课程：Python基本数据类型.12、Python基本数据类型（三）
1 a. k  F1 I" i2 o# G3 |3、课程：Python基本数据类型.13、Python基本数据类型（四）
; f& U! Q3 o+ ]3、课程：Python基本数据类型.14、Python基本数据类型（五）
3、课程：Python基本数据类型.15、Python基本数据类型（六）
3、课程：Python基本数据类型.16、Python基本数据类型（七）
3、课程：Python基本数据类型.17、Python基本数据类型（八）
4、课程：函数与Python基本数据结构.1、函数（一）
$ [, L$ ]( J. ]% w) l, h8 K0 R4、课程：函数与Python基本数据结构.2、函数（二）
# P/ n3 w! X2 J5 w- X6 I/ Q4、课程：函数与Python基本数据结构.3、函数（三）
4、课程：函数与Python基本数据结构.4、函数（四）
4、课程：函数与Python基本数据结构.5、函数（五）
. e9 G3 Y9 l( ~, Z% a, _4、课程：函数与Python基本数据结构.6、Python编码结构（一）
; f$ k+ q6 e2 _4、课程：函数与Python基本数据结构.7、Python编码结构（二）
4、课程：函数与Python基本数据结构.8、Python编码结构（三）
4、课程：函数与Python基本数据结构.9、Python模块和程序包
7 u& |. x3 h1 p4、课程：函数与Python基本数据结构.10、Python基本数据结构（一）
4、课程：函数与Python基本数据结构.11、Python基本数据结构（二）
$ w7 v6 H$ Z# c/ m4 A8 N4、课程：函数与Python基本数据结构.12、Python基本数据结构（三）
5、课程：Numpy的基本操作.1、Introduction to Numpy
5、课程：Numpy的基本操作.2、Create Arrays
5、课程：Numpy的基本操作.3、Basic Operations of Arrays
5、课程：Numpy的基本操作.4、lndexing ，Slicing and Iterating（一）
1 B: g1 z' R* n5、课程：Numpy的基本操作.5、lndexing ，Slicing and Iterating（二）
5、课程：Numpy的基本操作.6、lndexing ，Slicing and Iterating（三）
2 g7 ?  g6 Q+ Y7 J+ M. T5、课程：Numpy的基本操作.7、Matrix Operations --（一）
6 L9 o' z- B) I& B& j  h( W5、课程：Numpy的基本操作.8、Matrix Operations --（二）
6 F" z# \+ N" [+ V' k8 I. Z5、课程：Numpy的基本操作.9、Array processing（一）
* _, y& v! u/ H, k$ F! {+ o. L5、课程：Numpy的基本操作.10、Array processing（二）
+ p3 k8 [* g4 F$ b0 X$ K5、课程：Numpy的基本操作.11、Save and Load Array
& C! `# ~+ w( m+ t5 L1 n! v  `6、课程：Pandas的基本操作.1、Series
6、课程：Pandas的基本操作.2、DataFrame+Titanic Example（一）
6、课程：Pandas的基本操作.3、DataFrame+Titanic Example（二）
6、课程：Pandas的基本操作.4、DataFrame+Titanic Example（三）
/ r8 O! U, A' _& w+ g6、课程：Pandas的基本操作.5、DataFrame+Titanic Example（四）
6、课程：Pandas的基本操作.6、Index Objects
6、课程：Pandas的基本操作.7、Reindex
7 k  X$ g6 G* v! S$ H6、课程：Pandas的基本操作.8、Drop Data
6、课程：Pandas的基本操作.9、Slice Data（一）
6、课程：Pandas的基本操作.10、Slice Data（二）
6、课程：Pandas的基本操作.11、Data Alignment
$ d+ S& u9 l* E6、课程：Pandas的基本操作.12、Rank and Sort
1 E3 `( d6 v; H  ~7、课程：Matplotlib的基本操作.1、Matplotlib（一）
7、课程：Matplotlib的基本操作.2、Matplotlib（二）
3 l; [+ R" `( M, {, b8 Q7、课程：Matplotlib的基本操作.3、Matplotlib（三）
% R: p1 r  z1 P" |" M1 }7、课程：Matplotlib的基本操作.4、Matplotlib（四）
" B5 [9 A& R& L9 _3 |7、课程：Matplotlib的基本操作.5、Matplotlib（五）
0 s1 A. h5 Q$ o& [9 J  v0 T: s7、课程：Matplotlib的基本操作.6、Aggregation（一）
- j9 ?, H/ P9 K; @1 M. c0 s7、课程：Matplotlib的基本操作.7、Aggregation（二）
7、课程：Matplotlib的基本操作.8、Aggregation（三）
8、课程：什么是好的模型结果-cost function.1、如何定义一个模型结果的好坏？
- o! V" s/ S+ r! R5 X7 r8 q5 J0 v8、课程：什么是好的模型结果-cost function.2、连续变量的模型，如何来衡量模型结果？（一）
8 M# e) h. s5 r3 v& [  K% s8 l8、课程：什么是好的模型结果-cost function.3、连续变量的模型，如何来衡量模型结果？（二）
# z0 C) p' p5 \( k! r6 Q6 X8、课程：什么是好的模型结果-cost function.4、二分类问题-假设检验，p-value（一）
- F1 R+ O1 `7 k( P* t6 |8、课程：什么是好的模型结果-cost function.5、二分类问题-假设检验，p-value（二）
8、课程：什么是好的模型结果-cost function.6、二分类问题-ROC & AUC（一）
4 U6 X$ G$ `+ ]$ W! I# Q- J8、课程：什么是好的模型结果-cost function.7、二分类问题-ROC & AUC（二）
8、课程：什么是好的模型结果-cost function.8、什么是好的分类（一）
8、课程：什么是好的模型结果-cost function.9、二分类问题-召回率，准确率
8、课程：什么是好的模型结果-cost function.10、二分类问题-F1-score
8、课程：什么是好的模型结果-cost function.11、分类模型，如何衡量模型结果？
% e6 B9 A$ c2 j+ N8、课程：什么是好的模型结果-cost function.12、imbalanced问题（一）
4 \! E9 m! m  y$ R! Z& @0 k8、课程：什么是好的模型结果-cost function.13、imbalanced问题（二）
9、课程：线性回归.1、知识回顾
* U6 i& W. b* a% s* Z9、课程：线性回归.2、为什么要使用线性回归？
9、课程：线性回归.3、如何计算线性回归？（一）
: W. J- L5 ^: Y9、课程：线性回归.4、如何计算线性回归？（二）
9、课程：线性回归.5、问题解答
8 Z0 m, {+ W4 X2 b6 M9、课程：线性回归.6、由最小二乘法选出的直线有没有用？（一）
9、课程：线性回归.7、由最小二乘法选出的直线有没有用？（二）
# s! M, T+ W8 i9、课程：线性回归.8、线性回归参数估计的含义
9、课程：线性回归.9、线性回归对数据的解释
9、课程：线性回归.10、线性回归对样本及误差的要求和假设前提（一）
" f" V8 w9 w$ K5 O8 @* K! c9、课程：线性回归.11、线性回归对样本及误差的要求和假设前提（二）
/ {& X# |3 W& W9、课程：线性回归.12、预测的confidence interval 和 prediction interval（一）
- f$ T7 k& ~, O+ h# t- z9、课程：线性回归.13、预测的confidence interval 和 prediction interval（二）
9、课程：线性回归.14、预测的confidence interval 和 prediction interval（三）
9、课程：线性回归.15、imbalanced问题
10、课程：逻辑回归及应用.1、逻辑回归与线性回归
% J( `( `* [: D- k9 v# j( [: j10、课程：逻辑回归及应用.2、如何计算信用分数
10、课程：逻辑回归及应用.3、商家如何查看芝麻信用值？
' c$ D. I( [- Q; d3 Q/ w% M' r10、课程：逻辑回归及应用.4、寻找最合理的参数-1设计Cost Function
10、课程：逻辑回归及应用.5、疑题解答
3 k# w8 T. C4 J10、课程：逻辑回归及应用.6、寻找最合理的参数-3. 计算最优参数（一）
10、课程：逻辑回归及应用.7、寻找最合理的参数-3. 计算最优参数(二)
2 [. ^' |1 i6 V  X: P; x* u10、课程：逻辑回归及应用.8、寻找最合理的参数-3. 计算最优参数(三)
. z+ ~! t. |, }8 ^* N8 }, z10、课程：逻辑回归及应用.9、寻找最合理的参数-3. 计算最优参数(四)
) i( U3 L/ E- m# D# f10、课程：逻辑回归及应用.10、寻找最合理的参数-3. 计算最优参数(五)
" c, S* }; q8 t% u& @10、课程：逻辑回归及应用.11、寻找最合理的参数-3. 计算最优参数(六)
10、课程：逻辑回归及应用.12、更进一步：从逻辑回归到SoftMax（一）
1 N& e4 `/ I2 S1 q+ |10、课程：逻辑回归及应用.13、更进一步：从逻辑回归到SoftMax(二)
5 {( m% _2 ]/ U8 c  m6 g& X11、课程：拟合与过拟合的定义.1、拟合与过拟合
8 `0 l0 [$ X9 f: ?11、课程：拟合与过拟合的定义.2、对抗过拟合（一）
11、课程：拟合与过拟合的定义.3、对抗过拟合（二）
, |' M0 v- ^. f, |, \. R( y11、课程：拟合与过拟合的定义.4、对抗过拟合（三）
11、课程：拟合与过拟合的定义.5、Python实现（一）
4 u# Q1 O7 K/ m) `. Z11、课程：拟合与过拟合的定义.6、Python实现（二）
11、课程：拟合与过拟合的定义.7、正则化Regularization
11、课程：拟合与过拟合的定义.8、Ridge（一）
11、课程：拟合与过拟合的定义.9、Ridge（二）
11、课程：拟合与过拟合的定义.10、方差的分解（一）
) _8 r, B- u, P1 K1 s* \# m# h11、课程：拟合与过拟合的定义.11、方差的分解（二）
11、课程：拟合与过拟合的定义.12、Bias与Variance的分解
$ q$ ~5 O4 u! E2 @6 u6 ]12、课程：决策树模型.1、什么是决策树？
3 u: o; Y. Q3 f. P12、课程：决策树模型.2、游戏中的决策树分析（一）
12、课程：决策树模型.3、游戏中的决策树分析（二）
* K# d3 v7 g0 d; O- a12、课程：决策树模型.4、哪个问题分的最好？
12、课程：决策树模型.5、Decision Tree_example1（一）
12、课程：决策树模型.6、Decision Tree_example1（二）
% r4 ]2 `* X( C5 o# }, h12、课程：决策树模型.7、Decision Tree_example1（三）
12、课程：决策树模型.8、Decision Tree_example1（四）
12、课程：决策树模型.9、Decision Tree_example1（五）
; i# h" Y5 v" p+ G$ Y12、课程：决策树模型.10、Decision Tree_example1（六）
% z: }0 k8 c+ F. l9 D6 n' N12、课程：决策树模型.11、Decision Tree_example1（七）
13、课程：Pandas 数据操作与Ensemble Method 集成算法.1、Combining dataframes
13、课程：Pandas 数据操作与Ensemble Method 集成算法.2、Mapping
13、课程：Pandas 数据操作与Ensemble Method 集成算法.3、Binning
13、课程：Pandas 数据操作与Ensemble Method 集成算法.4、GroupBy On Dict and Series（一）
+ w) l3 j+ w, w4 o6 ?' [13、课程：Pandas 数据操作与Ensemble Method 集成算法.5、GroupBy On Dict and Series（二）
13、课程：Pandas 数据操作与Ensemble Method 集成算法.6、Merge（一）
6 ^. \2 `0 ?  }13、课程：Pandas 数据操作与Ensemble Method 集成算法.7、Merge（二）
13、课程：Pandas 数据操作与Ensemble Method 集成算法.8、Outliers
( V. n4 |! M; V5 k7 u2 D13、课程：Pandas 数据操作与Ensemble Method 集成算法.9、Pivoting
; ?5 S5 I! k0 _3 E13、课程：Pandas 数据操作与Ensemble Method 集成算法.10、Replace
13、课程：Pandas 数据操作与Ensemble Method 集成算法.11、Bagging (Bootstrap aggregating)
- j) Q# ?" R3 M2 J/ B3 p+ S  C: d13、课程：Pandas 数据操作与Ensemble Method 集成算法.12、Boosting and Ada boosting（一）
13、课程：Pandas 数据操作与Ensemble Method 集成算法.13、Boosting and Ada boosting（二）
; s' }$ ?4 Y, M) G13、课程：Pandas 数据操作与Ensemble Method 集成算法.14、Gradient Boosting
14、课程：Airbnb 数据分析.1、Airbnb介绍
; P+ M% M5 ]  S/ ]14、课程：Airbnb 数据分析.2、Train and Test 用户本身数据和营销渠道数据
3 M0 A% {' _. y+ x) ?14、课程：Airbnb 数据分析.3、Airbnb_DataExploration（一）
14、课程：Airbnb 数据分析.4、Airbnb_DataExploration（二）
14、课程：Airbnb 数据分析.5、Airbnb_DataExploration（三）
14、课程：Airbnb 数据分析.6、Airbnb_FeatureEngineering（一）
14、课程：Airbnb 数据分析.7、Airbnb_FeatureEngineering（二）
) e7 O0 C! }, M+ c* C14、课程：Airbnb 数据分析.8、Airbnb_FeatureEngineering（三）
14、课程：Airbnb 数据分析.9、Airbnb_FeatureEngineering（四）
14、课程：Airbnb 数据分析.10、Modeling（一）
4 D4 q% k' X$ E14、课程：Airbnb 数据分析.11、Modeling（二）
15、课程：支持向量机（SVM）.1、支持向量机简介与历史（一）
15、课程：支持向量机（SVM）.2、支持向量机简介与历史（二）
  Z1 d$ p, {" G% N15、课程：支持向量机（SVM）.3、支持向量机分类与回归（一）
" \' r' g' J# E  Z- m! Q! U0 t15、课程：支持向量机（SVM）.4、支持向量机分类与回归（二）
15、课程：支持向量机（SVM）.5、支持向量机分类与回归（三）
15、课程：支持向量机（SVM）.6、对偶问题
15、课程：支持向量机（SVM）.7、支持向量
15、课程：支持向量机（SVM）.8、核函数
15、课程：支持向量机（SVM）.9、正则化与软间隔
$ c& i3 g9 i3 z$ m. T15、课程：支持向量机（SVM）.10、支持向量机算法总结
15、课程：支持向量机（SVM）.11、代码实战（一）
15、课程：支持向量机（SVM）.12、代码实战（二）
* @& M2 t( L* y! h: \* _3 R15、课程：支持向量机（SVM）.13、代码实战（三）
" Z7 w4 i+ P8 ~( O+ v16、课程：自然语言处理与NLP-代码实战.1、历史
16、课程：自然语言处理与NLP-代码实战.2、语言模型（一）
16、课程：自然语言处理与NLP-代码实战.3、语言模型（二）
16、课程：自然语言处理与NLP-代码实战.4、语言模型（三）
# _) M$ j6 ~. t/ `8 t" }$ K16、课程：自然语言处理与NLP-代码实战.5、语言模型（四）
5 O* K/ j5 ]9 N" x% b16、课程：自然语言处理与NLP-代码实战.6、语言模型（五）
5 K5 j* s% a. y0 @2 L: t( ^% B. A16、课程：自然语言处理与NLP-代码实战.7、语言模型评价
% U: S; w4 _0 Z1 x0 D7 \16、课程：自然语言处理与NLP-代码实战.8、隐马尔可夫模型
16、课程：自然语言处理与NLP-代码实战.9、深度学习（一）
16、课程：自然语言处理与NLP-代码实战.10、深度学习（二）
0 I" h  A/ W- Y5 ~/ Q- j9 b16、课程：自然语言处理与NLP-代码实战.11、语言模型实战（一）
16、课程：自然语言处理与NLP-代码实战.12、语言模型实战（二）
) S# j4 \! p  Y* P1 D( P$ C( n16、课程：自然语言处理与NLP-代码实战.13、语言模型实战（三）
16、课程：自然语言处理与NLP-代码实战.14、语言模型实战（四）
7 W) J% D- {- E% H17、课程：文字处理与Amazon评论NLP分析案例.1、Python文字处理基本操作回顾
8 L& E: s8 q- O8 |+ n9 T+ t* \) P17、课程：文字处理与Amazon评论NLP分析案例.2、ASCII，unicode解码与编码，utf-8（一）
17、课程：文字处理与Amazon评论NLP分析案例.3、ASCII，unicode解码与编码，utf-8（二）
8 i- m6 L+ i0 i1 Z9 e17、课程：文字处理与Amazon评论NLP分析案例.4、Nltk工具包与特朗普的任职演讲
17、课程：文字处理与Amazon评论NLP分析案例.5、计算词频
, j2 k# t) {8 B, ]% H  T$ ?* O17、课程：文字处理与Amazon评论NLP分析案例.6、读取文字
17、课程：文字处理与Amazon评论NLP分析案例.7、整理标签（一）
17、课程：文字处理与Amazon评论NLP分析案例.8、整理标签（二）
, y6 H3 K. q2 S4 u17、课程：文字处理与Amazon评论NLP分析案例.9、整理标签（三）
17、课程：文字处理与Amazon评论NLP分析案例.10、清理文字并建语料库（一）
% s5 Q9 }- d6 v. u! t8 i& y17、课程：文字处理与Amazon评论NLP分析案例.11、清理文字并建语料库（二）
" s& C; h9 x% q( k( m/ v1 O17、课程：文字处理与Amazon评论NLP分析案例.12、建模
17、课程：文字处理与Amazon评论NLP分析案例.13、调用具体模型
18、课程：网络基础概述.1、网络基础概述
: P+ F& ^) Z  a( w0 ^# {18、课程：网络基础概述.2、数据和数据库（一）
5 ]0 Z1 d; B+ y4 v; @" p* I; r18、课程：网络基础概述.3、数据和数据库（二）
2 o% N' L! B! W18、课程：网络基础概述.4、计算机网络知识普及（一）
9 P8 Z+ ?- G4 q' R3 p18、课程：网络基础概述.5、计算机网络知识普及（二）
18、课程：网络基础概述.6、什么是网站
. ?0 N: Y: }1 N18、课程：网络基础概述.7、静态网站和动态网站
$ K1 k' a+ Y& ]  h3 j; u( T! G18、课程：网络基础概述.8、简单的网站服务程序（一）
18、课程：网络基础概述.9、简单的网站服务程序（二）
/ x9 N" D# k" S! e4 P18、课程：网络基础概述.10、什么是API（一）
" U. h# e% h+ N$ X( H5 M18、课程：网络基础概述.11、什么是API（二）
18、课程：网络基础概述.12、如何找到API
% x1 d! }9 q/ T. ]9 b/ q4 U18、课程：网络基础概述.13、网络产品和现在网络程序
18、课程：网络基础概述.14、答疑
19、课程：网络爬虫入门.1、网络爬虫概述
) |- G4 K- p  V* j2 P7 V+ m2 L19、课程：网络爬虫入门.2、复习HTML
: S* L: X- j8 s3 @0 g4 Q19、课程：网络爬虫入门.3、强大的工具—Requests
19、课程：网络爬虫入门.4、强大的工具—Beautifulsoup（一）
$ F7 W; n$ P$ f8 J: G, `19、课程：网络爬虫入门.5、强大的工具—Beautifulsoup（二）
19、课程：网络爬虫入门.6、Charity Watch（一）
) k0 |2 S5 }9 B. y, I19、课程：网络爬虫入门.7、Charity Watch（二）
3 X, V% b' S1 {8 @6 i% w19、课程：网络爬虫入门.8、Charity Watch（三）
19、课程：网络爬虫入门.9、弹幕爬虫（一）
19、课程：网络爬虫入门.10、弹幕爬虫（二）
19、课程：网络爬虫入门.11、弹幕爬虫（三）
19、课程：网络爬虫入门.12、弹幕爬虫（四）
+ v- o# B; {$ m, i) p! [19、课程：网络爬虫入门.13、弹幕爬虫（五）
19、课程：网络爬虫入门.14、弹幕爬虫（六）
6 [  `) B5 F0 S' D' D+ @20、课程：爬虫进阶.1、Write Binary File
20、课程：爬虫进阶.2、Read Binary File
20、课程：爬虫进阶.3、静态文件获取（一）
- E' k) w1 w; n! F. ?20、课程：爬虫进阶.4、静态文件获取（二）
20、课程：爬虫进阶.5、认证授权（一）
, ]! {7 f9 m  R( T% u0 B- q20、课程：爬虫进阶.6、认证授权（二）
, A3 y; @# T* ?3 o0 M  H  [! {20、课程：爬虫进阶.7、认证授权（三）
20、课程：爬虫进阶.8、爬虫进阶扩展（一）
5 c, C- [: y& Y20、课程：爬虫进阶.9、爬虫进阶扩展（二）
21、课程： 正则表达式.1、常见代码
; C/ k8 n  |3 P  z2 Y' X( n7 B21、课程： 正则表达式.2、基本语句（一）
5 V: O# w$ `4 j* B" |' C  o21、课程： 正则表达式.3、基本语句（二）
# f7 _! l* _# q( a21、课程： 正则表达式.4、字符匹配和分枝条件
21、课程： 正则表达式.5、分组
: z! |- w8 t9 ~. G9 n! ^21、课程： 正则表达式.6、后向引用和零宽断言
21、课程： 正则表达式.7、案例分析（一）
21、课程： 正则表达式.8、案例分析（二）
, g( {; k, m4 W0 c" I5 }22、课程：贝叶斯统计.1、联合概率
22、课程：贝叶斯统计.2、边缘概率
22、课程：贝叶斯统计.3、条件概率
% v3 |5 o- Z* e- ?0 A& L22、课程：贝叶斯统计.4、联合概率、边缘概率和条件概率
22、课程：贝叶斯统计.5、贝叶斯公式（一）
22、课程：贝叶斯统计.6、贝叶斯公式（二）
22、课程：贝叶斯统计.7、流感案例
- q( P4 F5 Y; c1 n; f22、课程：贝叶斯统计.8、图形化理解
22、课程：贝叶斯统计.9、案例分析
' F2 Q8 B7 ?$ M) e22、课程：贝叶斯统计.10、贝叶斯公式垃圾短信识别程序（一）
) ]* a! l2 e, G' U# E22、课程：贝叶斯统计.11、贝叶斯公式垃圾短信识别程序（二）
% E; L- |. l* E: n  Y5 a" S: D22、课程：贝叶斯统计.12、贝叶斯公式垃圾短信识别程序（三）
22、课程：贝叶斯统计.13、脑筋急转弯：三门问题（一）
( ?% n9 i* [( [. o- _2 g+ {22、课程：贝叶斯统计.14、脑筋急转弯：三门问题（二）
- s  s/ x# J, e: d' E9 j7 S0 X23、课程：搜集用户信息与数据整合.1、搜集用户发帖Comment Id（一）
, M/ K6 z# J) f+ S, ~- M8 ~# p" U0 P. n23、课程：搜集用户信息与数据整合.2、搜集用户发帖Comment Id（二）
: H! h, U; m8 v3 D1 u- \! |23、课程：搜集用户信息与数据整合.3、正向编码方法
23、课程：搜集用户信息与数据整合.4、如何逆向解码（一）
/ ^) k+ _) O: f( u23、课程：搜集用户信息与数据整合.5、如何逆向解码（二）
23、课程：搜集用户信息与数据整合.6、如何逆向解码（三）
23、课程：搜集用户信息与数据整合.7、如何逆向解码（四）
23、课程：搜集用户信息与数据整合.8、整理用户mid ID
23、课程：搜集用户信息与数据整合.9、爬取用户信息（一）
) p0 `( [( |) w4 V( \6 o4 O23、课程：搜集用户信息与数据整合.10、爬取用户信息（二）
( j+ t: v1 g* K! D% x# b; V4 C23、课程：搜集用户信息与数据整合.11、爬取用户信息（三）
) Y; c7 J7 @# D4 ^- _! L. r9 A23、课程：搜集用户信息与数据整合.12、爬取用户信息（四）
23、课程：搜集用户信息与数据整合.13、RandomForest 重新采样（一）
, b$ x( B. F5 q& r: y23、课程：搜集用户信息与数据整合.14、RandomForest 重新采样（二）
24、课程：贝叶斯思维.1、贝叶斯统计（一）
/ O" k4 K9 V. d9 Z0 a& V24、课程：贝叶斯思维.2、贝叶斯统计（二）
* g- s% z: C; a; T' x' K8 ]# T24、课程：贝叶斯思维.3、贝叶斯统计（三）
+ S; b3 F7 ?/ g' H0 _24、课程：贝叶斯思维.4、贝叶斯统计（四）
24、课程：贝叶斯思维.5、贝叶斯公式（一）
- E( v* |- V- E24、课程：贝叶斯思维.6、贝叶斯公式（二）
* J5 h* A! }7 l) `9 v6 Z+ A24、课程：贝叶斯思维.7、贝叶斯公式（三）
) G' T5 u' }1 P# _7 L( e9 u24、课程：贝叶斯思维.8、贝叶斯公式（四）
9 ^. P1 L6 N- }7 w8 Y2 M24、课程：贝叶斯思维.9、证明正态分布的后验分布依然是正态分布（一）
24、课程：贝叶斯思维.10、证明正态分布的后验分布依然是正态分布（二）
24、课程：贝叶斯思维.11、证明正态分布的后验分布依然是正态分布（三）
24、课程：贝叶斯思维.12、证明正态分布的后验分布依然是正态分布（四）
24、课程：贝叶斯思维.13、美国海岸救援案例
25、课程：BiliBili火爆剧集与观众分析.1、结巴分词原理
/ @8 j; E( G3 \- h2 p% e8 n3 a4 Q/ f25、课程：BiliBili火爆剧集与观众分析.2、结巴分词使用
! z4 }4 k$ W' A4 ]25、课程：BiliBili火爆剧集与观众分析.3、去除NaN、分词
! Y0 L& p6 S0 c5 e% O# D/ K4 W4 k25、课程：BiliBili火爆剧集与观众分析.4、去停用词、整理词频
2 m& ~" Y5 _2 H* P. y25、课程：BiliBili火爆剧集与观众分析.5、关键词计算
9 t6 X2 S- E* a$ ~. @2 A2 {! ^( a25、课程：BiliBili火爆剧集与观众分析.6、生成词云
25、课程：BiliBili火爆剧集与观众分析.7、沿时间的动态变化：频率与高频词（一）
: l8 ^' }: r. V& v25、课程：BiliBili火爆剧集与观众分析.8、沿时间的动态变化：频率与高频词（二）
, F( x. K: ?2 o, o/ i" i8 r25、课程：BiliBili火爆剧集与观众分析.9、沿时间的动态变化：频率与高频词（三）
! O2 I. Q! G5 ^; S: ^& `. J25、课程：BiliBili火爆剧集与观众分析.10、二十四小时的弹幕频率分布
6 L( n, W$ s6 Z25、课程：BiliBili火爆剧集与观众分析.11、年内的弹幕频率分布
25、课程：BiliBili火爆剧集与观众分析.12、观众信息
4 @5 F2 P4 N6 W( I/ T25、课程：BiliBili火爆剧集与观众分析.13、脑筋急转弯（一）
25、课程：BiliBili火爆剧集与观众分析.14、脑筋急转弯（二）
26、课程：聚类与代码实战.1、课程概要
0 b: G  l+ q1 {9 Y2 _, c26、课程：聚类与代码实战.2、机器学习与聚类简介
0 P' G3 \$ b+ d! k* {; F# X26、课程：聚类与代码实战.3、聚类的定义以及和分类的区别
26、课程：聚类与代码实战.4、聚类相似度度量：几何距离
26、课程：聚类与代码实战.5、划分聚类
26、课程：聚类与代码实战.6、划分聚类—K均值算法（一）
  {/ R$ ^6 @4 b26、课程：聚类与代码实战.7、划分聚类—K均值算法（二）
0 f2 ~, j+ X' E" W0 f. {( j- n26、课程：聚类与代码实战.8、层次聚类
26、课程：聚类与代码实战.9、Agglomerative clustering算法
26、课程：聚类与代码实战.10、密度聚类
26、课程：聚类与代码实战.11、DBSCAN
1 {, S( `# z$ Q7 h/ }26、课程：聚类与代码实战.12、聚类算法总结
26、课程：聚类与代码实战.13、代码实战（一）
9 T1 w4 B; p, t1 U26、课程：聚类与代码实战.14、代码实战（二）
+ M9 q* z" |& k/ S26、课程：聚类与代码实战.15、代码实战（三）
27、课程：商业社交媒体舆情分析.1、脑筋急转弯（一）
5 D  o+ I1 q; b" l/ M27、课程：商业社交媒体舆情分析.2、脑筋急转弯（二）
, t) d' M% ]7 f  P$ k* [5 A27、课程：商业社交媒体舆情分析.3、脑筋急转弯（三）
2 e# c" e8 e4 M. F27、课程：商业社交媒体舆情分析.4、社媒舆情分析的目的
27、课程：商业社交媒体舆情分析.5、作用价值一：获取市场的必要信息（一）
27、课程：商业社交媒体舆情分析.6、作用价值一：获取市场的必要信息（二）
/ }+ q# P; C0 x% h3 d27、课程：商业社交媒体舆情分析.7、如何通过舆情分析掌握时长状况
27、课程：商业社交媒体舆情分析.8、作用价值二：提升决策敏感性
27、课程：商业社交媒体舆情分析.9、有趣的营销发现
27、课程：商业社交媒体舆情分析.10、作用价值三：寻找接触点
' ~4 k7 u! A0 ?& Q+ Z27、课程：商业社交媒体舆情分析.11、总结：营销领域的舆情分析应用
27、课程：商业社交媒体舆情分析.12、答疑（一）
/ `) ?; K3 W- G- U- ^& ?- k2 I& |27、课程：商业社交媒体舆情分析.13、答疑（二）
28、课程：近期推荐系统概述.1、推荐系统应用场景（一）
28、课程：近期推荐系统概述.2、推荐系统应用场景（二）
6 k- c# u! }6 M5 O: j: B9 v: r! [28、课程：近期推荐系统概述.3、推荐系统算法概述（一）
28、课程：近期推荐系统概述.4、推荐系统算法概述（二）
28、课程：近期推荐系统概述.5、推荐系统算法概述（三）
! u$ n6 Z( O$ U28、课程：近期推荐系统概述.6、推荐系统算法概述（四）
28、课程：近期推荐系统概述.7、CF+矩阵分解（一）
28、课程：近期推荐系统概述.8、CF+矩阵分解（二）
28、课程：近期推荐系统概述.9、基于图像的推荐
7 t  S: k) t  C7 |/ V% L. x28、课程：近期推荐系统概述.10、评估推荐系统结果
- i3 {5 f5 B# c29、课程：人工智能的江湖.1、达特茅斯会议与第一次AI大发展
8 [/ s( y* r* F, v/ x9 L7 K7 n29、课程：人工智能的江湖.2、第一次AI寒冬（一）
29、课程：人工智能的江湖.3、第一次AI寒冬（二）
29、课程：人工智能的江湖.4、复苏与第二次AI寒冬
  d" K- j. K' P7 w" G# K1 m+ ~29、课程：人工智能的江湖.5、再次复苏与神经网翻身
" {, u( J& ?& w) F29、课程：人工智能的江湖.6、瞻仰大神（一）
29、课程：人工智能的江湖.7、瞻仰大神（二）
. |( f( S: F( f29、课程：人工智能的江湖.8、瞻仰大神（三）
29、课程：人工智能的江湖.9、今天的应用与影响（一）
29、课程：人工智能的江湖.10、今天的应用与影响（二）
29、课程：人工智能的江湖.11、今天的应用与影响（三）
0 W; W, x. j" S30、课程：机器学习在图像识别中的应用.1、图像处理和机器学习有什么关系
30、课程：机器学习在图像识别中的应用.2、什么是机器学习
+ w* a4 X4 Q5 ], |% _30、课程：机器学习在图像识别中的应用.3、什么是图像识别
30、课程：机器学习在图像识别中的应用.4、图像识别的困难在哪里
30、课程：机器学习在图像识别中的应用.5、图像识别的发展历史
30、课程：机器学习在图像识别中的应用.6、机器学习对比深度学习
* M3 i+ I5 ?" H+ |' z7 J" V) F30、课程：机器学习在图像识别中的应用.7、机器学习的工作方式
* J# x& N0 Z4 e1 j, x30、课程：机器学习在图像识别中的应用.8、机器学习的算法（一）
30、课程：机器学习在图像识别中的应用.9、机器学习的算法（二）
30、课程：机器学习在图像识别中的应用.10、机器学习总结
31、课程：Pygame.1、学习框架梳理
31、课程：Pygame.2、剩余课程安排
31、课程：Pygame.3、Flappy bird基本背景图像（一）
31、课程：Pygame.4、Flappy bird基本背景图像（二）
31、课程：Pygame.5、键盘操作-小鸟左右移动
31、课程：Pygame.6、扑腾扑腾翅膀（一）
# p4 L/ J6 ^: I  g; T4 `# S31、课程：Pygame.7、扑腾扑腾翅膀（二）
6 a; ?6 E! s; |+ E( C0 G( e31、课程：Pygame.8、柱子的移动
  {- c5 u5 K' \31、课程：Pygame.9、生成一系列的柱子，并且移动
31、课程：Pygame.10、让小鸟飞起来
6 ]% e& A' K5 _8 |5 u; q+ X31、课程：Pygame.11、假如小鸟很聪明
31、课程：Pygame.12、给小鸟计分
32、课程：Python控制系统.1、The basic self-driving loop
32、课程：Python控制系统.2、不同的数据存储和类型
32、课程：Python控制系统.3、安装OpenCV
32、课程：Python控制系统.4、OpenCV练习
32、课程：Python控制系统.5、数据库基础review（一）
32、课程：Python控制系统.6、数据库基础review（二）
8 ]0 `3 X3 r0 G( ~* _' a. l& |* a9 Y: x32、课程：Python控制系统.7、MYSQL的简单介绍(一)
32、课程：Python控制系统.8、MYSQL的简单介绍(二)
& \# W% ^  ~2 M4 A$ a3 ^32、课程：Python控制系统.9、激光雷达
8 z# L& }7 J8 G. Z# n32、课程：Python控制系统.10、Ctypes basic（一）
32、课程：Python控制系统.11、Ctypes basic（二）
32、课程：Python控制系统.12、Ctypes basic（三）
33、课程：图像识别处理基础—OpenCV.1、读取图片（一）
# h) E# z- |$ U+ Z2 }& m33、课程：图像识别处理基础—OpenCV.2、读取图片（二）
33、课程：图像识别处理基础—OpenCV.3、读取图片（三）
33、课程：图像识别处理基础—OpenCV.4、读取视频
: b( v& r/ o0 M33、课程：图像识别处理基础—OpenCV.5、绘图函数
33、课程：图像识别处理基础—OpenCV.6、OpenCV图像的基本操作（一）
33、课程：图像识别处理基础—OpenCV.7、OpenCV图像的基本操作（二）
33、课程：图像识别处理基础—OpenCV.8、图像处理：颜色空间转换（一）
33、课程：图像识别处理基础—OpenCV.9、图像处理：颜色空间转换（二）
33、课程：图像识别处理基础—OpenCV.10、几何变换
33、课程：图像识别处理基础—OpenCV.11、图像处理：图像平滑
33、课程：图像识别处理基础—OpenCV.12、图像处理：形态学变换
34、课程：从游戏数据中提取feature.1、收集GTA5游戏数据（一）
34、课程：从游戏数据中提取feature.2、收集GTA5游戏数据（二）
- U. ?, v. _( |& m/ x3 V34、课程：从游戏数据中提取feature.3、收集GTA5游戏数据（三）
34、课程：从游戏数据中提取feature.4、Check Data和OpenCV（一）
34、课程：从游戏数据中提取feature.5、Check Data和OpenCV（二）
34、课程：从游戏数据中提取feature.6、模型加载插件
0 ^- {$ l3 z$ i- z' x% v34、课程：从游戏数据中提取feature.7、C++ review（一）
34、课程：从游戏数据中提取feature.8、C++ review（二）
34、课程：从游戏数据中提取feature.9、模型案例分析+OpenCV process（一）
34、课程：从游戏数据中提取feature.10、模型案例分析+OpenCV process（二）
+ I3 @5 _; q+ A  W34、课程：从游戏数据中提取feature.11、模型案例分析+OpenCV process（三）
34、课程：从游戏数据中提取feature.12、模型案例分析+OpenCV process（四）
34、课程：从游戏数据中提取feature.13、模型案例分析+OpenCV process（五）
35、课程：GTA5自动驾驶项目.1、作业布置
35、课程：GTA5自动驾驶项目.2、GTA5自动驾驶分解问题（一）
0 O8 U5 h2 i3 G! d9 X35、课程：GTA5自动驾驶项目.3、GTA5自动驾驶分解问题（二）
" l( B- k0 Q' W3 X1 I35、课程：GTA5自动驾驶项目.4、GTA5自动驾驶分解问题（三）
3 R7 N& T8 Q- n+ r35、课程：GTA5自动驾驶项目.5、GTA5自动驾驶分解问题（四）
* @$ R, q! k( P2 x35、课程：GTA5自动驾驶项目.6、GTA5自动驾驶分解问题（五）
35、课程：GTA5自动驾驶项目.7、GTA游戏AI识别车道分割线（一）
35、课程：GTA5自动驾驶项目.8、GTA游戏AI识别车道分割线（二）
35、课程：GTA5自动驾驶项目.9、GTA游戏AI识别车道分割线（三）
35、课程：GTA5自动驾驶项目.10、GTA游戏AI识别车道分割线（四）
35、课程：GTA5自动驾驶项目.11、GTA游戏AI识别车道分割线（五）
* D, z6 M/ Q8 o: z3 i6 x- G35、课程：GTA5自动驾驶项目.12、GTA游戏AI识别车道分割线（六）
, u3 I, J9 B! O35、课程：GTA5自动驾驶项目.13、GTA游戏AI识别车道分割线（七）
36、课程：TensorFlow的基本操作.1、TensorFlow的基本概念
36、课程：TensorFlow的基本操作.2、TensorFlow的具体使用（一）
) S! G7 N; x) C5 q! O5 h36、课程：TensorFlow的基本操作.3、TensorFlow的具体使用（二）
3 e* I" C% D5 R' W$ \( X36、课程：TensorFlow的基本操作.4、Tensor Shapes（一）
36、课程：TensorFlow的基本操作.5、Tensor Shapes（二）
36、课程：TensorFlow的基本操作.6、Tensor Operations
36、课程：TensorFlow的基本操作.7、Tensor Slicing
# X! I8 s9 T' }" G1 O# A! Q1 F36、课程：TensorFlow的基本操作.8、Tensor Sequences
3 H% Y2 |5 P" G0 f36、课程：TensorFlow的基本操作.9、Graph
36、课程：TensorFlow的基本操作.10、Session和Constant
2 ?$ j) s$ p- ]0 l1 q* Q36、课程：TensorFlow的基本操作.11、Variables和Placeholders
5 O( m4 U. X( ]36、课程：TensorFlow的基本操作.12、Example（一）
36、课程：TensorFlow的基本操作.13、Example（二）
36、课程：TensorFlow的基本操作.14、Example（三）
# H) g1 }% E( o. H36、课程：TensorFlow的基本操作.15、Example（四）
8 `2 {' T8 R3 l  }. T( O# e6 b6 H37、课程：神经网络.1、神经网络
9 \4 J# v8 J2 ^* q37、课程：神经网络.2、深度神经网络
, s+ [( w% n9 d% H2 G/ b37、课程：神经网络.3、反向传播算法
8 O! T5 e( k2 X0 n" \37、课程：神经网络.4、激活函数
& w  V: Y+ T! {( I6 _& |* E0 h37、课程：神经网络.5、优化算法（一）
37、课程：神经网络.6、优化算法（二）
+ X0 H0 i( m5 ~$ g* @- s9 G37、课程：神经网络.7、正规化
6 X! G. R) c" `: Q37、课程：神经网络.8、神经网络代码实战（一）
* I6 u3 o( I/ `8 m  k5 X$ M* H+ J37、课程：神经网络.9、神经网络代码实战（二）
37、课程：神经网络.10、神经网络代码实战（三）
* B/ x6 J! d1 Z8 L1 s37、课程：神经网络.11、神经网络代码实战（四）
38、课程：卷积神经网络.1、卷积和卷积核（一）
2 I, Y" _4 s4 e- e38、课程：卷积神经网络.2、卷积和卷积核（二）
38、课程：卷积神经网络.3、卷积和卷积核（三）
38、课程：卷积神经网络.4、填充和池化
) @3 |+ l- \/ m2 O2 J38、课程：卷积神经网络.5、深度卷积神经网络：LeNet-5
( m# T2 z3 ^% t4 U7 D38、课程：卷积神经网络.6、深度卷积神经网络：AlexNet
2 f: ~8 a$ X9 p6 v* m38、课程：卷积神经网络.7、深度卷积神经网络：ZF-net
38、课程：卷积神经网络.8、深度卷积神经网络：VGG-16
* j% {3 i" S* V0 I8 V! l38、课程：卷积神经网络.9、深度卷积神经网络：Inception Network
38、课程：卷积神经网络.10、深度卷积神经网络：Residual Network
9 {" K8 j% o& {; _5 c) x! J% s6 W38、课程：卷积神经网络.11、深度卷积神经网络：DenseNet
( u1 ?* K8 C4 |6 X! H& O39、课程：卷积神经网络的应用.1、卷积神经网络应用概述
39、课程：卷积神经网络的应用.2、物体检测：RCNN和SPP-Net（一）
4 A' {  }' m8 Q! D' o39、课程：卷积神经网络的应用.3、物体检测：RCNN和SPP-Net（二）
39、课程：卷积神经网络的应用.4、物体检测：Fast R-CNN
39、课程：卷积神经网络的应用.5、物体检测：YOLO和SSD
8 \% z2 s$ n4 g+ n5 c+ k39、课程：卷积神经网络的应用.6、文档的归类
39、课程：卷积神经网络的应用.7、代码实战（一）
39、课程：卷积神经网络的应用.8、代码实战（二）
39、课程：卷积神经网络的应用.9、代码实战（三）
39、课程：卷积神经网络的应用.10、代码实战（四）
39、课程：卷积神经网络的应用.11、代码实战（五）
40、课程：深度学习框架剖析.1、深度学习系统的目标定位
+ z% H3 L0 {9 G$ s* p40、课程：深度学习框架剖析.2、典型深度学习系统框架
+ L# v0 ~+ k3 A" i9 ~& `4 z40、课程：深度学习框架剖析.3、命令式编程与声明式编程等概念讲解
5 v& ]3 N1 G8 {( p5 U% W40、课程：深度学习框架剖析.4、图优化、执行引擎
. }$ \2 P( |7 u/ T7 ]$ l1 E40、课程：深度学习框架剖析.5、编程接口、分布式并行计算
40、课程：深度学习框架剖析.6、TF多卡训练
40、课程：深度学习框架剖析.7、TF多机训练
3 p% }1 \6 t/ w$ n1 \40、课程：深度学习框架剖析.8、主流开源深度学习平台简析
40、课程：深度学习框架剖析.9、答疑
: q2 ~1 C1 m0 Q1 J3 f4 B9 l  H40、课程：深度学习框架剖析.10、Tensorflow tutorial example（一）
3 N5 s5 o9 c% u0 w+ W8 J+ g0 D40、课程：深度学习框架剖析.11、ensorflow tutorial example（二）
  D9 n6 x) r9 o. q9 l2 B* J40、课程：深度学习框架剖析.12、模型训练Tricks分享
40、课程：深度学习框架剖析.13、DL优化方法分析以及相关TF API说明
40、课程：深度学习框架剖析.14、Tensorflow detection models
3 {0 {( S. u& P  C2 B40、课程：深度学习框架剖析.15、实际模型项目介绍（一）
$ i1 r9 T+ I1 A$ ~! r" W4 i40、课程：深度学习框架剖析.16、实际模型项目介绍（二）
41、课程：递归神经网络.1、递归神经网络—序列问题
6 I- K2 g' j& V$ N41、课程：递归神经网络.2、为什么递归
0 k8 X0 A1 A: A% s) E41、课程：递归神经网络.3、递归神经网络（一）
: L, ?4 B8 F% X; R41、课程：递归神经网络.4、递归神经网络（二）
& {9 u' X" e! n" T# K41、课程：递归神经网络.5、双向递归神经网络
$ i" C6 @4 q2 ]4 S) Z, u! x41、课程：递归神经网络.6、沿时间反向传播
41、课程：递归神经网络.7、梯度消失
42、课程：长短记忆网络和递归神经网络代码操作.1、长短记忆网络（一）
42、课程：长短记忆网络和递归神经网络代码操作.2、长短记忆网络（二）
. M0 |9 W- v, j. g9 J42、课程：长短记忆网络和递归神经网络代码操作.3、伪装曹雪芹（一）
. h. C) _7 N0 C& ?* F  [42、课程：长短记忆网络和递归神经网络代码操作.4、伪装曹雪芹（二）
) T; e+ p9 D) S8 E42、课程：长短记忆网络和递归神经网络代码操作.5、伪装曹雪芹（三）
42、课程：长短记忆网络和递归神经网络代码操作.6、伪装曹雪芹（四）
42、课程：长短记忆网络和递归神经网络代码操作.7、图像识别（一）
; w, {$ z; d' A) N2 g/ F42、课程：长短记忆网络和递归神经网络代码操作.8、图像识别（二）
43、课程：线性代数与数值分析.1、线性代数与数值分析概述
43、课程：线性代数与数值分析.2、线性代数的基础定义
: D3 n; G& C# O- h6 E2 q43、课程：线性代数与数值分析.3、矩阵乘积和转置
43、课程：线性代数与数值分析.4、矩阵性质
1 N1 u& _& }& e43、课程：线性代数与数值分析.5、矩阵行列式
$ t) l: v# J. Y+ ^" u43、课程：线性代数与数值分析.6、矩阵的迹和秩
  u7 `- u8 y& d3 w* \  _% V9 J43、课程：线性代数与数值分析.7、范数
- g5 g/ i5 D  W5 G: [# M. V43、课程：线性代数与数值分析.8、矩阵的特征值和特征向量
43、课程：线性代数与数值分析.9、特殊类型的矩阵和向量（一）
# B: k7 `, P* f# |) H# b9 q5 h43、课程：线性代数与数值分析.10、特殊类型的矩阵和向量（二）
7 J# Q" w/ R7 [5 `5 o- g43、课程：线性代数与数值分析.11、矩阵分解
3 \7 J2 c1 n- V. F" r' C43、课程：线性代数与数值分析.12、矩阵微积分
/ T0 J6 @# ^( V" _) }43、课程：线性代数与数值分析.13、矩阵计算（一）
43、课程：线性代数与数值分析.14、矩阵计算（二）
43、课程：线性代数与数值分析.15、范数、向量之间的夹角
43、课程：线性代数与数值分析.16、对角矩阵、单位矩阵、转置矩阵和reshape
6 ?, Z4 T% c* e. o/ Z, W5 E/ n43、课程：线性代数与数值分析.17、行列式、秩、迹以及SVD奇异值分解
44、课程：词嵌入表示.1、N-元模型回顾
2 o/ R# l! P' i# ~44、课程：词嵌入表示.2、神经语言模型
( }! u0 q2 B* \; a) k# U44、课程：词嵌入表示.3、递归神经网络语言模型
44、课程：词嵌入表示.4、词嵌入
% [5 L, n) z( l' X9 v44、课程：词嵌入表示.5、哈夫曼树
44、课程：词嵌入表示.6、连续词袋模型—分层Softmax
44、课程：词嵌入表示.7、Skip-gram：分层Softmax
44、课程：词嵌入表示.8、连续词袋模型：负采样
44、课程：词嵌入表示.9、词向量：可视化
3 }9 `* X. R: N; z: w  g) A45、课程：递归神经网络的应用.1、文本生成和情绪分析
0 s9 @8 E/ M8 N6 n45、课程：递归神经网络的应用.2、语音识别
45、课程：递归神经网络的应用.3、机器翻译（一）
45、课程：递归神经网络的应用.4、机器翻译（二）
45、课程：递归神经网络的应用.5、视觉注意力机制
45、课程：递归神经网络的应用.6、词嵌入表示—Word2Vec
45、课程：递归神经网络的应用.7、词嵌入表示—RNN语言模型（一）
45、课程：递归神经网络的应用.8、词嵌入表示—RNN语言模型（二）
45、课程：递归神经网络的应用.9、词嵌入表示—RNN for POS tagging（一）
; S0 q' c2 m" E' l8 C45、课程：递归神经网络的应用.10、词嵌入表示—RNN for POS tagging（二）
46、课程：强化学习系列课程基本概念与方法总览.1、复习监督学习
# u9 P+ u, E$ c9 X$ o& Z+ x7 x46、课程：强化学习系列课程基本概念与方法总览.2、强化学习基本概念（一）
46、课程：强化学习系列课程基本概念与方法总览.3、强化学习基本概念（二）
46、课程：强化学习系列课程基本概念与方法总览.4、策略与总价值（一）
46、课程：强化学习系列课程基本概念与方法总览.5、策略与总价值（二）
46、课程：强化学习系列课程基本概念与方法总览.6、强化学习系列方法总览（一）
46、课程：强化学习系列课程基本概念与方法总览.7、强化学习系列方法总览（二）
- \8 i7 L' P% k* R! S5 J4 |46、课程：强化学习系列课程基本概念与方法总览.8、强化学习系列方法总览（三）
' l  S, G. E! g47、课程：马尔可夫决策过程.1、马尔可夫决策过程：Markov状态转移矩阵
47、课程：马尔可夫决策过程.2、Markov Rewards Process
47、课程：马尔可夫决策过程.3、状态价值state value
47、课程：马尔可夫决策过程.4、Bellman方程（一）
+ S) k) d6 s+ c& e7 O7 H& m47、课程：马尔可夫决策过程.5、Bellman方程（二）
% g& U" ^  b  \: e3 x# U4 q47、课程：马尔可夫决策过程.6、Bellman方程（三）
47、课程：马尔可夫决策过程.7、Bellman方程（四）
1 T3 c% R+ b7 K47、课程：马尔可夫决策过程.8、状态价值函数 v.s 动作价值函数（一）
+ p6 c) J+ ~2 D, t; }7 E1 p- `+ m4 p47、课程：马尔可夫决策过程.9、状态价值函数 v.s 动作价值函数（二）
4 y$ J0 w1 J' A$ \) Y47、课程：马尔可夫决策过程.10、最优总价值与最优动作价值（一）
47、课程：马尔可夫决策过程.11、最优总价值与最优动作价值（二）
47、课程：马尔可夫决策过程.12、Flappy bird的简单解决方法（一）
47、课程：马尔可夫决策过程.13、Flappy bird的简单解决方法（二）
48、课程：强化学习：迭代法.1、动态规划（一）
48、课程：强化学习：迭代法.2、动态规划（二）
48、课程：强化学习：迭代法.3、迭代法（一）
9 i2 T6 C8 p( }  k48、课程：强化学习：迭代法.4、迭代法（二）
/ B7 Y: T/ H# B+ |, K48、课程：强化学习：迭代法.5、复习+Jacob方法（一）
48、课程：强化学习：迭代法.6、复习+Jacob方法（二）
48、课程：强化学习：迭代法.7、Gauss-Seidel迭代法
48、课程：强化学习：迭代法.8、迭代法求策略估值（一）
, E# p& M; [' C) a7 X. n$ @5 [$ \48、课程：强化学习：迭代法.9、迭代法求策略估值（二）
$ Q# U/ N+ K+ b, |+ c! x3 w. ^48、课程：强化学习：迭代法.10、迭代法求策略估值（三）
' k, d+ p! _7 Q/ v. V  R48、课程：强化学习：迭代法.11、迭代法更新最佳策略（一）
48、课程：强化学习：迭代法.12、迭代法更新最佳策略（二）
8 a" J  F) A/ G; b& e- \: d8 t48、课程：强化学习：迭代法.13、斐波拉契数列
! j! p1 y0 Q( m" y3 l48、课程：强化学习：迭代法.14、最长递增序列（一）
5 N; x( A$ ?1 f4 B% V48、课程：强化学习：迭代法.15、最长递增序列（二）
6 b. i% v" S8 E/ Q' b+ @4 B49、课程：简单的蒙特卡洛.1、蒙特卡洛模拟方法介绍
49、课程：简单的蒙特卡洛.2、训练flappy bird 模型（一）
( \! I+ k, I; Z. L1 ?8 ]49、课程：简单的蒙特卡洛.3、训练flappy bird 模型（二）
) [/ j, E1 U3 P5 }. A49、课程：简单的蒙特卡洛.4、训练flappy bird 模型（三）
+ ?; f8 I! G  ?4 g- q) ^% O49、课程：简单的蒙特卡洛.5、整理碰壁函数与reward函数
8 O; V% G8 ]8 v49、课程：简单的蒙特卡洛.6、离散化环境状态
- k- n* p* U; \( i49、课程：简单的蒙特卡洛.7、由状态环境选择飞行动作
! w  S; b6 D& D$ I- Y0 J& O1 z49、课程：简单的蒙特卡洛.8、处理碰壁函数与reward函数
49、课程：简单的蒙特卡洛.9、队列存飞行路径（一）
% w; c& y; x6 |  O7 p' Q49、课程：简单的蒙特卡洛.10、队列存飞行路径（二）
. {* u. b: {3 @& Q, F1 ?- N49、课程：简单的蒙特卡洛.11、队列存飞行路径（三）
* c5 W) f- v( G! N2 J) X0 N49、课程：简单的蒙特卡洛.12、队列存飞行路径（四）
) f$ Q7 `7 B/ q$ ^9 y( L6 W% P49、课程：简单的蒙特卡洛.13、答疑
  S6 i" J: _, ^50、课程：云，计算，数据.1、云计算的定义
50、课程：云，计算，数据.2、NIST、云计算市场的发展条件
$ j6 M. X- B+ W* V" ?: ]; f50、课程：云，计算，数据.3、芯片设计的取舍、并行化
50、课程：云，计算，数据.4、WSC（新型数据中心）的形成、概念、优点
50、课程：云，计算，数据.5、虚拟化（一）
- R8 e3 O/ f1 U% q$ n$ }0 m" o50、课程：云，计算，数据.6、虚拟化（二）
- p+ |; T4 g' s9 J8 |. t' y50、课程：云，计算，数据.7、云计算的商业模式
6 C: n! s, p/ o! G( q- Y. O) X50、课程：云，计算，数据.8、层级分类
0 ]/ c/ ~5 ^7 t3 I3 Q6 p50、课程：云，计算，数据.9、阿里云介绍（一）
50、课程：云，计算，数据.10、阿里云介绍（二）
50、课程：云，计算，数据.11、实例创建（一）
1 {/ Q; L! O! V* |, K! X# J: d50、课程：云，计算，数据.12、实例创建（二）
50、课程：云，计算，数据.13、实例创建（三）
50、课程：云，计算，数据.14、Logging模块的简单应用（一）
50、课程：云，计算，数据.15、Logging模块的简单应用（二）
4 E& Z9 ?2 t6 X/ B  s3 d- [9 j50、课程：云，计算，数据.16、Logging模块的简单应用（三）
51、课程：机器学习（上）.1、时间差分法公式
51、课程：机器学习（上）.2、蒙特卡洛法（一）
  I: c4 Y2 m5 D' s) ]% @) h& Y51、课程：机器学习（上）.3、蒙特卡洛法（二）
51、课程：机器学习（上）.4、TD（时间差分）的特点
51、课程：机器学习（上）.5、课间答疑
51、课程：机器学习（上）.6、MC与TD对比
51、课程：机器学习（上）.7、无偏估计
51、课程：机器学习（上）.8、收敛性质
8 i; x" ]9 C6 d8 F- S51、课程：机器学习（上）.9、MC与TD收敛差异
8 E: G9 [  Q5 e$ q4 Y51、课程：机器学习（上）.10、Model-Free Control（一）
9 m- r' \' u- y  l" q$ k2 Q* c- j9 G9 V51、课程：机器学习（上）.11、Model-Free Control（二）
51、课程：机器学习（上）.12、Model-Free Control（三）
51、课程：机器学习（上）.13、Model-Free Control（四）
51、课程：机器学习（上）.14、Model-Free Control（五）
5 z/ }) z4 U: E$ ]" v8 y52、课程：机器学习（下）.1、函数的近似方法（一）
52、课程：机器学习（下）.2、函数的近似方法（二）
" Z7 Z2 P- _( v& M52、课程：机器学习（下）.3、函数的近似方法（三）
9 K# S: R! w5 B: s/ }' r. C$ a52、课程：机器学习（下）.4、DQN（一）
2 }5 d: [" n, F3 X2 X8 M9 i/ ]52、课程：机器学习（下）.5、DQN（二）
. S4 q  N" y; C7 p" i52、课程：机器学习（下）.6、Flappy bird（一）
& U3 T- r7 [* A4 u1 `52、课程：机器学习（下）.7、Flappy bird（二）
52、课程：机器学习（下）.8、Flappy bird（三）
52、课程：机器学习（下）.9、Flappy bird（四）
+ J( u1 w. w- Q& c52、课程：机器学习（下）.10、Flappy bird（五）
52、课程：机器学习（下）.11、Flappy bird（六）
52、课程：机器学习（下）.12、Flappy bird（七）
. o! \6 N( {% i: L2 `3 n& h52、课程：机器学习（下）.13、Flappy bird（八）
53、课程：软件工程师、数据工程师和数据科学家职业介绍.1、自我介绍及课程介绍
8 r  W' w% Z1 Z5 g  h53、课程：软件工程师、数据工程师和数据科学家职业介绍.2、Career Path Insight
! i6 h# X5 X7 P! e53、课程：软件工程师、数据工程师和数据科学家职业介绍.3、软件工程师之基础课程
8 D! _7 u8 F7 K: O) p53、课程：软件工程师、数据工程师和数据科学家职业介绍.4、软件工程师之面试准备与技巧
! ^: L% y: h8 t3 r- C. J& `53、课程：软件工程师、数据工程师和数据科学家职业介绍.5、大数据之协同合作（一）
53、课程：软件工程师、数据工程师和数据科学家职业介绍.6、大数据之协同合作（二）
53、课程：软件工程师、数据工程师和数据科学家职业介绍.7、数据工程师和数据科学家
; q# @5 y/ d3 e% d  n$ J8 T53、课程：软件工程师、数据工程师和数据科学家职业介绍.8、答疑（一）
0 M/ |/ K1 h! a& P( _# k; f; R3 ]53、课程：软件工程师、数据工程师和数据科学家职业介绍.9、答疑（二）
54、课程：金融科技—数据科学在金融业的应用和前景.1、金融行业不同岗位对人才的需求
" q4 r3 k8 Y' N: F0 Q+ Z. ?54、课程：金融科技—数据科学在金融业的应用和前景.2、金融科技用到的数据科学
+ W: H' l  Q4 A: r3 |7 x9 {54、课程：金融科技—数据科学在金融业的应用和前景.3、职位和机会
54、课程：金融科技—数据科学在金融业的应用和前景.4、数字化财富管理行业
54、课程：金融科技—数据科学在金融业的应用和前景.5、智能投顾创业公司的数据分析
, X: X0 H; _$ r! Y' n, K54、课程：金融科技—数据科学在金融业的应用和前景.6、答疑（一）
54、课程：金融科技—数据科学在金融业的应用和前景.7、答疑（二）
55、课程：深度学习经典网络分析基础.1、课程安排
, w7 D8 k* A# O) a55、课程：深度学习经典网络分析基础.2、深度学习的两大基本问题
55、课程：深度学习经典网络分析基础.3、反向传播算法简介
: X2 A% J2 t6 ?$ N: c55、课程：深度学习经典网络分析基础.4、深度学习网络模型回顾
1 U7 v. ~# D, f- Z8 [55、课程：深度学习经典网络分析基础.5、CNN架构发展简要流程
55、课程：深度学习经典网络分析基础.6、LeNet
0 Y" n* n4 ^+ ^  ^6 I$ R7 T; m55、课程：深度学习经典网络分析基础.7、答疑—人脸识别
- g3 g6 v) b" c& D- e55、课程：深度学习经典网络分析基础.8、答疑—通用检测
! B9 Q1 G) c1 b* b55、课程：深度学习经典网络分析基础.9、答疑—语音识别
# {& U0 u9 [7 e55、课程：深度学习经典网络分析基础.10、AlexNet
55、课程：深度学习经典网络分析基础.11、VGG
55、课程：深度学习经典网络分析基础.12、GoogleNet（一）
55、课程：深度学习经典网络分析基础.13、GoogleNet（二）
; h. a' ~" \1 f$ g! _& u55、课程：深度学习经典网络分析基础.14、ResNet
) Q4 v! N# {* F! b55、课程：深度学习经典网络分析基础.15、经典网络简单比较、网络设计考虑
55、课程：深度学习经典网络分析基础.16、答疑（一）
6 b' p$ t$ I1 i. j, p' A55、课程：深度学习经典网络分析基础.17、答疑（二）

续杯啤酒

ddddddddddddddddddd