Python深度學(xué)習(xí)：邏輯、算法與編程實戰(zhàn)

前言

第1章 Python語言基礎(chǔ)
11 Python簡介
12 Python開發(fā)環(huán)境
121 PyCharm的下載和安裝
122 PyCharm的使用
123 樹莓派Python IDLE的使用
13 Python基本語法
131 保留字和標(biāo)識符
132 變量和數(shù)據(jù)類型
133 基本控制結(jié)構(gòu)
134 運算符
135 函數(shù)
136 with語句
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 類和對象
173 面向?qū)ο蟪绦蛟O(shè)計方法
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)庫及Web框架
21 操作數(shù)據(jù)庫
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開發(fā)環(huán)境Spyder
34 深度學(xué)習(xí)的一些常備庫
341 NumPy—基礎(chǔ)科學(xué)計算庫
342 SciPy—科學(xué)計算工具集
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
35 機器學(xué)習(xí)通用庫Sklearn
351 Sklearn的安裝
352 Sklearn的數(shù)據(jù)集
353 Sklearn的機器學(xué)習(xí)方式
36 機器學(xué)習(xí)深度庫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 機器學(xué)習(xí)深度庫Keras
371 Keras的安裝
372 Keras的深度學(xué)習(xí)方式
38 自然語言處理
381 NLTK
382 SpaCy
383 Gensim
39 視覺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 計算機視覺
432 語音識別
433 自然語言處理
434 人機博弈
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 生成對抗網(wǎng)絡(luò)（GAN）
481 生成對抗網(wǎng)絡(luò)原理
482 生成對抗網(wǎng)絡(luò)架構(gòu)
483 生成對抗網(wǎng)絡(luò)應(yīng)用
484 生成對抗網(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 爬蟲框架
511 Crawley爬蟲框架
512 Scrapy爬蟲框架
513 PySpider爬蟲框架
514 Beautiful Soup爬蟲框架
52 數(shù)據(jù)爬取
521 Urllib3爬取
522 Requests爬取
523 Scrapy框架爬取
524 實例—爬取招聘網(wǎng)站職位信息
525 實例—爬取網(wǎng)站指定的圖片集合
526 實例—爬取二手車市場數(shù)據(jù)
53 數(shù)據(jù)清洗
531 數(shù)據(jù)清洗庫Pandas
532 缺失值處理
533 去重處理
534 異常值處理
535 實例—清洗CSV文件
536 噪聲數(shù)據(jù)處理
537 實例—天氣數(shù)據(jù)分析與處理
54 數(shù)據(jù)顯示
541 Pandas統(tǒng)計分析
542 Matplotlib繪圖
543 Bokeh繪圖
544 Pyecharts繪圖
55 實例—爬取并保存圖片
56 本章小結(jié)

第6章 圖像識別分類
61 圖像識別分類簡介
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
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識別
631 實例—人眼識別
632 實例—兩張相似圖片識別
633 實例—性別識別
64 VGGNet花朵識別
641 VGGNet介紹
642 花朵數(shù)據(jù)庫
643 實例—花朵識別
65 車牌識別
651 利用OpenCV實現(xiàn)車牌識別
652 實例—EasyPR車牌識別
66 Inception圖像分類處理
661 Inception模型簡介
662 實例—花朵和動物識別
663 實例—自定義圖像分類
67 本章小結(jié)

第7章 自然語言處理
71 自然語言處理的典型工具
711 NLTK
712 TextBlob
713 Gensim
714 Polyglot
72 Jieba實現(xiàn)關(guān)鍵詞抽取
721 Jieba實現(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