Python實戰(zhàn)速成手冊：數(shù)據(jù)分析+機器學習+深度學習

第 1章
統(tǒng)計學基礎(chǔ)\t1
1．1　數(shù)據(jù)分布\t2
1．2　離中趨勢\t4
1．3　抽樣理論\t6
1．4　基本統(tǒng)計概念\t9
第 2章
Python基礎(chǔ)\t15
2．1　Python介紹\t16
2．2　第 一個Python程序\t16
2．3　安裝Anaconda\t17
2．4　Python規(guī)范\t23
2．5　Python的數(shù)據(jù)類型\t24
2．6　Python語句\t29
2．7　Python函數(shù)\t33
2．8　Python中的模塊和包\t36
2．9　Python時間模塊\t37
2．10　Python文件操作\t44
第3章
綜合練習：迷你DVD管理器\t51
3．1　項目需求\t52
3．2　開發(fā)步驟\t52
第4章
Python面向?qū)ο笕腴T\t59
4．1　定義Python類\t60
4．2　繼承的原理\t61
4．3　Python構(gòu)造函數(shù)\t62
4．4　實例\t63
4．5　小結(jié)\t65

第5章
綜合練習：迷你DVD
管理器（OOP版）\t67
第6章
在Python中操作 MySQL\t73
6．1　安裝PyMySQL\t74
6．2　pymysql．connect()中的參數(shù)說明\t74
6．3　connection對象支持的方法\t74
6．4　cursor對象支持的方法\t75
6．5　實現(xiàn)pymysql的增刪改查功能\t75
第７章
NumPy\t79
7．1　NumPy介紹\t80
7．2　NumPy數(shù)組\t80
7．3　numpy．zeros()和numpy．ones() \t82
7．4　numpy．reshape()和numpy．flatten()\t83
7．5　numpy．hstack()和numpy．vstack() \t84
7．6　numpy．a(chǎn)sarray()\t85
7．7　numpy．a(chǎn)range()\t86
7．8　numpy．linspace()和numpy．
logspace()\t87
7．9　索引和切片NumPy數(shù)組\t88
7．10　NumPy統(tǒng)計函數(shù)與示例 \t89
7．11　numpy．dot() \t90
7．12　numpy．matmul()\t90
7．13　numpy．linalg．det()\t91
7．14　NumPy實例\t91

第8章
pandas\t95
8．1　pandas介紹\t96
8．2　pandas的數(shù)據(jù)結(jié)構(gòu)\t96
8．3　創(chuàng)建數(shù)據(jù)幀\t97
8．4　創(chuàng)建日期范圍\t98
8．5　查看數(shù)據(jù)\t98
8．6　拆分數(shù)據(jù)\t99
8．7　讀取并寫入數(shù)據(jù)\t103
8．8　pandas實例\t105

第9章
Matplotlib\t109
9．1　安裝Matplotlib并查看版本\t110
9．2　繪制折線圖\t110
9．3　繪制柱狀圖\t113
第 10章
人工智能\t121
10．1　人工智能領(lǐng)域\t122
10．2　機器學習\t122
10．3　監(jiān)督學習和無監(jiān)督學習\t127
10．4　2020年19個最佳AI聊天
機器人\t129
第 11章
Scikit-Learn\t135
11．1　Scikit-Learn介紹\t136
11．2　數(shù)據(jù)集\t136
11．3　Scikit-Learn實例\t139
11．4　模型選擇和評估\t162
第 12章
實戰(zhàn)案例\t169
12．1　泰坦尼克號（完整過程分析）\t170
12．2　電信單用戶轉(zhuǎn)合約預測\t189
12．3　電信低速率小區(qū)預測\t193
12．4　預測客戶是否會認購定期存款\t196
12．5　銀行信用卡欺詐檢測\t205
第 13章
神經(jīng)網(wǎng)絡(luò)\t211
13．1　深度學習\t212
13．2　前饋神經(jīng)網(wǎng)絡(luò)\t214
13．3　FNN實例——低速率小區(qū)\t215
13．4　遞歸神經(jīng)網(wǎng)絡(luò)\t220
13．5　RNN實例——低速率小區(qū)\t226
13．6　卷積神經(jīng)網(wǎng)絡(luò)\t227
13．7　CNN實例——低速率小區(qū)\t232