Python深度學(xué)習(xí)：邏輯、算法與編程實(shí)戰(zhàn)

前言

第1章 Python語(yǔ)言基礎(chǔ)
11 Python簡(jiǎn)介
12 Python開(kāi)發(fā)環(huán)境
121 PyCharm的下載和安裝
122 PyCharm的使用
123 樹(shù)莓派Python IDLE的使用
13 Python基本語(yǔ)法
131 保留字和標(biāo)識(shí)符
132 變量和數(shù)據(jù)類型
133 基本控制結(jié)構(gòu)
134 運(yùn)算符
135 函數(shù)
136 with語(yǔ)句
137 字符串操作
138 異常處理
14 Python序列
141 列表
142 元組
143 字典
144 集合
145 列表、元組、字典和集合的區(qū)別
15 Python操作文件
151 操作文本文件
152 操作目錄
153 操作Excel文件
154 操作CSV文件
16 Python模塊
161 模塊分類
162 自定義模塊
163 第三方模塊的安裝
17 Python類
171 面向?qū)ο蟾攀?
172 類和對(duì)象
173 面向?qū)ο蟪绦蛟O(shè)計(jì)方法
174 類的定義和使用
175 多線程
18 本章小結(jié)

第2章 Python操作數(shù)據(jù)庫(kù)及Web框架
21 操作數(shù)據(jù)庫(kù)
211 操作SQLite
212 操作MySQL
22 Web框架
221 主流Web框架
222 Django框架
223 Flask框架
23 本章小結(jié)

第3章 Python深度學(xué)習(xí)環(huán)境
31 Anaconda介紹
32 Anaconda環(huán)境搭建
33 Anaconda使用方法
331 管理工具Navigator
332 Anaconda的Python開(kāi)發(fā)環(huán)境Spyder
34 深度學(xué)習(xí)的一些常備庫(kù)
341 NumPy—基礎(chǔ)科學(xué)計(jì)算庫(kù)
342 SciPy—科學(xué)計(jì)算工具集
343 Pandas—數(shù)據(jù)分析的利器
344 Matplotlib—畫出優(yōu)美的圖形
345 Tqdm—Python 進(jìn)度條庫(kù)
35 機(jī)器學(xué)習(xí)通用庫(kù)Sklearn
351 Sklearn的安裝
352 Sklearn的數(shù)據(jù)集
353 Sklearn的機(jī)器學(xué)習(xí)方式
36 機(jī)器學(xué)習(xí)深度庫(kù)TensorFlow
361 TensorFlow的安裝
362 TensorFlow的深度學(xué)習(xí)方式
363 TensorLayer
364 可視化工具TensorBoard
37 機(jī)器學(xué)習(xí)深度庫(kù)Keras
371 Keras的安裝
372 Keras的深度學(xué)習(xí)方式
38 自然語(yǔ)言處理
381 NLTK
382 SpaCy
383 Gensim
39 視覺(jué)OpenCV
391 OpenCV的安裝
392 OpenCV的使用
310 其他深度學(xué)習(xí)框架
3101 PyTorch
3102 TFLearn
3103 Chainer
3104 Theano
311 本章小結(jié)

第4章 深度學(xué)習(xí)典型結(jié)構(gòu)
41 人工智能、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的關(guān)系
42 深度學(xué)習(xí)的發(fā)展歷程
43 深度學(xué)習(xí)的應(yīng)用
431 計(jì)算機(jī)視覺(jué)
432 語(yǔ)音識(shí)別
433 自然語(yǔ)言處理
434 人機(jī)博弈
44 神經(jīng)網(wǎng)絡(luò)
441 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
442 神經(jīng)網(wǎng)絡(luò)的算法
443 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
444 神經(jīng)網(wǎng)絡(luò)的參數(shù)
445 深度學(xué)習(xí)與深層神經(jīng)網(wǎng)絡(luò)
45 卷積神經(jīng)網(wǎng)絡(luò)（CNN）
451 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
452 經(jīng)典卷積網(wǎng)絡(luò)模型
453 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用
46 循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）
461 循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
462 長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）
463 循環(huán)神經(jīng)網(wǎng)絡(luò)改進(jìn)
464 循環(huán)神經(jīng)網(wǎng)絡(luò)應(yīng)用
47 遞歸神經(jīng)網(wǎng)絡(luò)（RNN）
471 遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
472 遞歸神經(jīng)網(wǎng)絡(luò)應(yīng)用
48 生成對(duì)抗網(wǎng)絡(luò)（GAN）
481 生成對(duì)抗網(wǎng)絡(luò)原理
482 生成對(duì)抗網(wǎng)絡(luò)架構(gòu)
483 生成對(duì)抗網(wǎng)絡(luò)應(yīng)用
484 生成對(duì)抗網(wǎng)絡(luò)變種
49 本章小結(jié)

第5章 深度學(xué)習(xí)數(shù)據(jù)準(zhǔn)備—數(shù)據(jù)爬取和清洗
51 爬蟲(chóng)框架
511 Crawley爬蟲(chóng)框架
512 Scrapy爬蟲(chóng)框架
513 PySpider爬蟲(chóng)框架
514 Beautiful Soup爬蟲(chóng)框架
52 數(shù)據(jù)爬取
521 Urllib3爬取
522 Requests爬取
523 Scrapy框架爬取
524 實(shí)例—爬取招聘網(wǎng)站職位信息
525 實(shí)例—爬取網(wǎng)站指定的圖片集合
526 實(shí)例—爬取二手車市場(chǎng)數(shù)據(jù)
53 數(shù)據(jù)清洗
531 數(shù)據(jù)清洗庫(kù)Pandas
532 缺失值處理
533 去重處理
534 異常值處理
535 實(shí)例—清洗CSV文件
536 噪聲數(shù)據(jù)處理
537 實(shí)例—天氣數(shù)據(jù)分析與處理
54 數(shù)據(jù)顯示
541 Pandas統(tǒng)計(jì)分析
542 Matplotlib繪圖
543 Bokeh繪圖
544 Pyecharts繪圖
55 實(shí)例—爬取并保存圖片
56 本章小結(jié)

第6章 圖像識(shí)別分類
61 圖像識(shí)別分類簡(jiǎn)介
62 經(jīng)典圖片數(shù)據(jù)集
621 MNIST數(shù)據(jù)集
622 CIFAR-10數(shù)據(jù)集
623 ImageNet數(shù)據(jù)集
624 LFW人臉數(shù)據(jù)庫(kù)
625 Flowers-17數(shù)據(jù)集
626 Pascal VOC數(shù)據(jù)集
627 MS COCO 數(shù)據(jù)集
63 OpenCV識(shí)別
631 實(shí)例—人眼識(shí)別
632 實(shí)例—兩張相似圖片識(shí)別
633 實(shí)例—性別識(shí)別
64 VGGNet花朵識(shí)別
641 VGGNet介紹
642 花朵數(shù)據(jù)庫(kù)
643 實(shí)例—花朵識(shí)別
65 車牌識(shí)別
651 利用OpenCV實(shí)現(xiàn)車牌識(shí)別
652 實(shí)例—EasyPR車牌識(shí)別
66 Inception圖像分類處理
661 Inception模型簡(jiǎn)介
662 實(shí)例—花朵和動(dòng)物識(shí)別
663 實(shí)例—自定義圖像分類
67 本章小結(jié)

第7章 自然語(yǔ)言處理
71 自然語(yǔ)言處理的典型工具
711 NLTK
712 TextBlob
713 Gensim
714 Polyglot
72 Jieba實(shí)現(xiàn)關(guān)鍵詞抽取
721 Jieba實(shí)現(xiàn)詞性標(biāo)注
722 基于TF-IDF算法的關(guān)鍵詞抽取
723 基于TextRank算法的關(guān)鍵詞抽取