本書共10章，內容包括Python基本語法、Python科學計算、數(shù)據(jù)分析、數(shù)據(jù)處理、數(shù)據(jù)可視化等，通過圖像分析、視覺分析、時序分析等方面的例子指導讀者進行數(shù)據(jù)分析方面的工作。
本書與數(shù)據(jù)分析應用緊密結合，語言通俗易懂、案例實用性強，能夠使讀者對Python數(shù)據(jù)分析有一個較為全面的認識。除綜合案例外，本書每章后面附有習題和作業(yè)，便于讀者了解自己對內容的掌握程度。
本書可作為計算機科學與技術、人工智能、大數(shù)據(jù)、統(tǒng)計學及相關專業(yè)的本科生、研究生教材，也可以作為從事人工智能、大數(shù)據(jù)相關研究的科研人員的參考書。
前言
第1章Python簡介
11Python概要介紹
111Python主要特點
112Python不足
113Python發(fā)展現(xiàn)狀
12Python發(fā)展歷史
121Python起源
122Python各版本
13Python常用工具包
14Python常見問題
141Python安裝
142Python IDE安裝
143Python和其他語言接口
144工具包的安裝
145工具包的導入
15Python在國內的發(fā)展
151國內鏡像
152中小學教育
153國內使用Python情況
習題和作業(yè)
第2章Python語法
21Python常用數(shù)據(jù)結構
211列表
212元組
213集合
214字典
22分支與循環(huán)
221分支
222循環(huán)
223三目表達式
23函數(shù)、類和模塊
231函數(shù)
232類
233模塊
24Python語言與其他語言比較
習題和作業(yè)
第3章Python科學計算
31Python基本計算
311算術運算
312比較運算
313賦值運算
314邏輯運算
315成員運算符
316計算實例
32利用NumPy科學計算
321多維數(shù)組
322廣播特性
323遍歷軸
324數(shù)組操作
325矩陣運算
326應用案例——圖像壓縮
33Scipy包
331Scipy簡單介紹
332基本操作
333圖像處理
334快速傅里葉變換
335函數(shù)插值
336優(yōu)化
34NumPy與Python的性能比較
習題和作業(yè)
第4章Python數(shù)據(jù)分析
41Pandas包
411讀入csv文件
412截取數(shù)據(jù)與描述數(shù)據(jù)
413數(shù)據(jù)顯示
414數(shù)據(jù)處理
42Scikit-learn包
421特征降維
422聚類
423分類
43其他Python分析包
431頻譜分析
432時頻分析
433動力學分析
習題和作業(yè)
第5章Python數(shù)據(jù)處理
51數(shù)據(jù)清洗
52數(shù)據(jù)預處理
53統(tǒng)計分析
54網(wǎng)絡數(shù)據(jù)采集
541網(wǎng)絡爬蟲
542網(wǎng)頁解析
55案例應用
習題和作業(yè)
第6章Python數(shù)據(jù)可視化
61可視化的基本概念
62利用Matplotlib進行可視化
621繪制Matplotlib的圖表組成元素
622圖表的美化和修飾
63繪制統(tǒng)計圖形
64案例應用
641氣溫數(shù)據(jù)可視化分析
642交通線路圖可視化
習題和作業(yè)
第7章Python圖像分析
71圖像分析簡介
72卷積神經網(wǎng)絡組成
721卷積層
722激活函數(shù)層
723池化層
724Dropout層
725Batch Normalization(BN)層
726全連接層
73經典卷積網(wǎng)絡架構
731LeNet-5
732Alexlvet
733VGGNet
734ResNet
74案例應用
741MNIST手寫數(shù)字識別
742Kaggle貓狗大戰(zhàn)
75深度學習框架
習題和作業(yè)
第8章Python視覺分析
81基于OpenCV的視頻操作
82目標檢測簡介
83R-CNN系列發(fā)展歷程
84Faster R-CNN詳解
85YOLO系列發(fā)展歷程
86YOLOv4詳解
87案例應用
871Faster R-CNN目標檢測
872YOLOv4目標檢測
88國內視覺分析研究
881工業(yè)界
882學術界
習題和作業(yè)
第9章Python時序分析
91時序分析介紹
92循環(huán)神經網(wǎng)絡
921記憶單元
922輸入輸出序列
923LSTM單元
924GRU單元
93案例應用
931LSTM預測JetRail高鐵乘客
932GRU預測飛機乘客
933LSTM預測溫度
習題和作業(yè)
第10章綜合案例
101人臉識別系統(tǒng)
1011人臉數(shù)據(jù)收集
1012訓練人臉分類器
1013人臉識別實現(xiàn)
102PM25預測系統(tǒng)
1021數(shù)據(jù)導入
1022建立數(shù)據(jù)集
1023構造預測模型
1024模型訓練與測試
參考文獻
書單推薦
