本書共10章，內容包括Python基本語法、Python科學計算、數據分析、數據處理、數據可視化等，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據分析方面的工作。
本書與數據分析應用緊密結合，語言通俗易懂、案例實用性強，能夠使讀者對Python數據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、大數據、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、大數據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常用數據結構
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、類和模塊
231函數
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多維數組
322廣播特性
323遍歷軸
324數組操作
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數據分析
41Pandas包
411讀入csv文件
412截取數據與描述數據
413數據顯示
414數據處理
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數據處理
51數據清洗
52數據預處理
53統(tǒng)計分析
54網絡數據采集
541網絡爬蟲
542網頁解析
55案例應用
習題和作業(yè)
第6章Python數據可視化
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氣溫數據可視化分析
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卷積神經網絡組成
721卷積層
722激活函數層
723池化層
724Dropout層
725Batch Normalization(BN)層
726全連接層
73經典卷積網絡架構
731LeNet-5
732Alexlvet
733VGGNet
734ResNet
74案例應用
741MNIST手寫數字識別
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人臉數據收集
1012訓練人臉分類器
1013人臉識別實現
102PM25預測系統(tǒng)
1021數據導入
1022建立數據集
1023構造預測模型
1024模型訓練與測試
參考文獻
書單推薦
