Python數據分析與應用

前言 \n
\n
\n
\n
第1章Python簡介 \n
\n
11Python概要介紹 \n
\n
111Python主要特點 \n
\n
112Python不足 \n
\n
113Python發(fā)展現狀 \n
\n
12Python發(fā)展歷史 \n
\n
121Python起源 \n
\n
122Python各版本 \n
\n
13Python常用工具包 \n
\n
14Python常見問題 \n
\n
141Python安裝 \n
\n
142Python IDE安裝 \n
\n
143Python和其他語言接口 \n
\n
144工具包的安裝 \n
\n
145工具包的導入 \n
\n
15Python在國內的發(fā)展 \n
\n
151國內鏡像 \n
\n
152中小學教育 \n
\n
153國內使用Python情況 \n
\n
習題和作業(yè) \n
\n
第2章Python語法 \n
\n
21Python常用數據結構 \n
\n
211列表 \n
\n
212元組 \n
\n
213集合 \n
\n
214字典 \n
\n
22分支與循環(huán) \n
\n
221分支 \n
\n
222循環(huán) \n
\n
223三目表達式 \n
\n
23函數、類和模塊 \n
\n
231函數 \n
\n
232類 \n
\n
233模塊 \n
\n
24Python語言與其他語言比較 \n
\n
習題和作業(yè) \n
\n
第3章Python科學計算 \n
\n
31Python基本計算 \n
\n
311算術運算 \n
\n
312比較運算 \n
\n
313賦值運算 \n
\n
314邏輯運算 \n
\n
315成員運算符 \n
\n
316計算實例 \n
\n
32利用NumPy科學計算 \n
\n
321多維數組 \n
\n
322廣播特性 \n
\n
\n
\n
323遍歷軸 \n
\n
324數組操作 \n
\n
325矩陣運算 \n
\n
326應用案例——圖像壓縮 \n
\n
33Scipy包 \n
\n
331Scipy簡單介紹 \n
\n
332基本操作 \n
\n
333圖像處理 \n
\n
334快速傅里葉變換 \n
\n
335函數插值 \n
\n
336優(yōu)化 \n
\n
34NumPy與Python的性能比較 \n
\n
習題和作業(yè) \n
\n
第4章Python數據分析 \n
\n
41Pandas包 \n
\n
411讀入csv文件 \n
\n
412截取數據與描述數據 \n
\n
413數據顯示 \n
\n
414數據處理 \n
\n
42Scikit-learn包 \n
\n
421特征降維 \n
\n
422聚類 \n
\n
423分類 \n
\n
43其他Python分析包 \n
\n
431頻譜分析 \n
\n
432時頻分析 \n
\n
433動力學分析 \n
\n
習題和作業(yè) \n
\n
\n
\n
\n
第5章Python數據處理 \n
\n
51數據清洗 \n
\n
52數據預處理 \n
\n
53統(tǒng)計分析 \n
\n
54網絡數據采集 \n
\n
541網絡爬蟲 \n
\n
542網頁解析 \n
\n
55案例應用 \n
\n
習題和作業(yè) \n
\n
第6章Python數據可視化 \n
\n
61可視化的基本概念 \n
\n
62利用Matplotlib進行可視化 \n
\n
621繪制Matplotlib的圖表組成元素 \n
\n
622圖表的美化和修飾 \n
\n
63繪制統(tǒng)計圖形 \n
\n
64案例應用 \n
\n
641氣溫數據可視化分析 \n
\n
642交通線路圖可視化 \n
\n
習題和作業(yè) \n
\n
第7章Python圖像分析 \n
\n
71圖像分析簡介 \n
\n
72卷積神經網絡組成 \n
\n
721卷積層 \n
\n
\n
722激活函數層 \n
\n
723池化層 \n
\n
724Dropout層 \n
\n
725Batch Normalization(BN)層 \n
\n
726全連接層 \n
\n
73經典卷積網絡架構 \n
\n
731LeNet-5 \n
\n
732Alexlvet \n
\n
\n
\n
733VGGNet \n
\n
\n
\n
\n
734ResNet \n
\n
74案例應用 \n
\n
741MNIST手寫數字識別 \n
\n
742Kaggle貓狗大戰(zhàn) \n
\n
75深度學習框架 \n
\n
習題和作業(yè) \n
\n
第8章Python視覺分析 \n
\n
81基于OpenCV的視頻操作 \n
\n
82目標檢測簡介 \n
\n
83R-CNN系列發(fā)展歷程 \n
\n
84Faster R-CNN詳解 \n
\n
85YOLO系列發(fā)展歷程 \n
\n
86YOLOv4詳解 \n
\n
\n
\n
87案例應用 \n
\n
871Faster R-CNN目標檢測 \n
\n
872YOLOv4目標檢測 \n
\n
88國內視覺分析研究 \n
\n
881工業(yè)界 \n
\n
882學術界 \n
\n
習題和作業(yè) \n
\n
第9章Python時序分析 \n
\n
91時序分析介紹 \n
\n
92循環(huán)神經網絡 \n
\n
921記憶單元 \n
\n
922輸入輸出序列 \n
\n
923LSTM單元 \n
\n
924GRU單元 \n
\n
93案例應用 \n
\n
931LSTM預測JetRail高鐵乘客 \n
\n
932GRU預測飛機乘客 \n
\n
933LSTM預測溫度 \n
\n
習題和作業(yè) \n
\n
第10章綜合案例 \n
\n
101人臉識別系統(tǒng) \n
\n
1011人臉數據收集 \n
\n
1012訓練人臉分類器 \n
\n
1013人臉識別實現 \n
\n
102PM25預測系統(tǒng) \n
\n
1021數據導入 \n
\n
1022建立數據集 \n
\n
1023構造預測模型 \n
\n
1024模型訓練與測試 \n
\n
參考文獻