目录：
1.高等数学-元素和极限
1.高等数学-元素和极限
2.高等数学-两个重要的极限定理
3.高等数学-导数
4.高等数学-泰勒展开
5.高等数学-偏导数
6.高等数学一积分
7.高等数学-正态分布
8.线性代数一线性空间和线性变换
9.线性代数-矩阵、等价类和行列式
10.线性代数一特征值与特征向量
11.Python基础课程(上)
12.Python基础课程(下)
13.Python操作数据库、Python爬虫
14.Python进阶(上)
15.Python进阶(下)
16.人工智能如何改变我们的未来生活
17.人工智能简史
18.让神经网络看懂图象
19.模拟人类大脑:神经网络的故事
20.预测简史
21.模拟人类思维的机器学习工具
22.让神经网络听懂故事
23让机器来思考之强化学习简介
24.贝叶斯理论
25.朴素贝叶斯和最大似然估计
26.机器学习引入
27.分类问题
28.KNN算法
29.机器学习背后的数学(上)
30.机器学习背后的数学(下)
31.加入概率更健康之逻辑斯谛回归
32.模拟人类理性的决策树
33.集群模型
34.PCA
35.升维大法之神经网络
36.升维大法之SVM
37.多层感知机DNN
38.梯度下降法
39.BP算法
40.卷积神经网络
41.PyTorch(上)
42.PyTorch(下)
43.CNN进化
44.BatchNormalization
45.Resnet残差网络
46.图像识别综述
47.迁移学习
48.对抗网络
49.时间序列分析
50.RNN
51.RNN实战
52.RNN时间序列预测
53.RNN深度理解
54.课程总结
55.强化学习(上)
56.强化学习(下)
57.Value Iteration Networks
58.计算机视觉深度学习入门目的篇
59.计算机视觉深度学习入门结构篇
60.计算机视觉深度学习入门优化篇
61.计算机视觉深度学习入门数据篇
62.计算机视觉深度学习入门工具篇
63.Scikit-Learn
64.数据呈现基础
65.数据呈现进阶
66.监督学习 -回归
67.监督学习-分类
68.自然语言处理导入
69.人工智能金融应用
70.人工智能与设计
71.第四范式分享
72.个性化推荐算法
