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（上）
18-线代数—矩阵、等价类和行列式
19-Python基础课程（上）
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（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-熵、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巩固
55-人工智能与设计
56-网络
57-线动力学
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
