第 1章　從數學建模到人工智能 1
1.1　數學建模　1
1.1.1　數學建模與人工智能　1
1.1.2　數學建模中的常見問題　4
1.2　人工智能下的數學　12
1.2.1　統計量　12
1.2.2　矩陣概念及運算　13
1.2.3　概率論與數理統計　16
1.2.4　高等數學——導數、微分、不定積分、定積分　19
第　2章 Python快速入門　24
2.1　安裝Python　24
2.1.1　Python安裝步驟　24
2.1.2　IDE的選擇　27
2.2　Python基本操作　28
2.2.1　第 一個小程序　28
2.2.2　注釋與格式化輸齣　28
2.2.3　列錶、元組、字典　34
2.2.4　條件語句與循環語句　37
2.2.5　break、continue、pass　40
2.3　Python高級操作　41
2.3.1　lambda　41
2.3.2　map　42
2.3.3　filter　43
第3章　Python科學計算庫NumPy　45
3.1　NumPy簡介與安裝　45
3.1.1　NumPy簡介　45
3.1.2　NumPy安裝　45
3.2　基本操作　46
3.2.1　初識NumPy　46
3.2.2　NumPy數組類型　47
3.2.3　NumPy創建數組　49
3.2.4　索引與切片　56
3.2.5　矩陣閤並與分割　60
3.2.6　矩陣運算與綫性代數　62
3.2.7　NumPy的廣播機製　69
3.2.8　NumPy統計函數　71
3.2.9　NumPy排序、搜索　75
3.2.10　NumPy數據的保存　79
第4章　常用科學計算模塊快速入門　80
4.1　Pandas科學計算庫　80
4.1.1　初識Pandas　80
4.1.2　Pandas基本操作　82
4.2　Matplotlib可視化圖庫　94
4.2.1　初識Matplotlib　94
4.2.2　Matplotlib基本操作　96
4.2.3　Matplotlib繪圖案例　98
4.3　SciPy科學計算庫　100
4.3.1　初識SciPy　100
4.3.2　SciPy基本操作　101
4.3.3　SciPy圖像處理案例　103
第5章　Python網絡爬蟲　106
5.1　爬蟲基礎　106
5.1.1　初識爬蟲　106
5.1.2　網絡爬蟲的算法　107
5.2　爬蟲入門實戰　107
5.2.1　調用API　107
5.2.2　爬蟲實戰　112
5.3　爬蟲進階—高效率爬蟲　113
5.3.1　多進程　113
5.3.2　多綫程　114
5.3.3　協程　115
5.3.4　小結　116
第6章　Python數據存儲　117
6.1　關係型數據庫MySQL　117
6.1.1　初識MySQL　117
6.1.2　Python操作MySQL　118
6.2　NoSQL之MongoDB　120
6.2.1　初識NoSQL　120
6.2.2　Python操作MongoDB　121
6.3　本章小結　123
6.3.1　數據庫基本理論　123
6.3.2　數據庫結閤　124
6.3.3　結束語　125
第7章　Python數據分析　126
7.1　數據獲取　126
7.1.1　從鍵盤獲取數據　126
7.1.2　文件的讀取與寫入　127
7.1.3　Pandas讀寫操作　129
7.2　數據分析案例　130
7.2.1　普查數據統計分析案例　130
7.2.2　小結　139
第8章　自然語言處理　140
8.1　Jieba分詞基礎　140
8.1.1　Jieba中文分詞　140
8.1.2　Jieba分詞的3種模式　141
8.1.3　標注詞性與添加定義詞　142
8.2　關鍵詞提取　144
8.2.1　TF-IDF關鍵詞提取　145
8.2.2　TextRank關鍵詞提取　147
8.3　word2vec介紹　150
8.3.1　word2vec基礎原理簡介　150
8.3.2　word2vec訓練模型　153
8.3.3　基於gensim的word2vec實戰　154
第9章　從迴歸分析到算法基礎　160
9.1　迴歸分析簡介　160
9.1.1　“迴歸”一詞的來源　160
9.1.2　迴歸與相關　161
9.1.3　迴歸模型的劃分與應用　161
9.2　綫性迴歸分析實戰　162
9.2.1　綫性迴歸的建立與求解　162
9.2.2　Python求解迴歸模型案例　164
9.2.3　檢驗、預測與控製　166
第　10章 從K-Means聚類看算法調參　171
10.1　K-Means基本概述　171
10.1.1　K-Means簡介　171
10.1.2　目標函數　171
10.1.3　算法流程　172
10.1.4　算法優缺點分析　174
10.2　K-Means實戰　174
第　11章 從決策樹看算法升級　180
11.1　決策樹基本簡介　180
11.2　經典算法介紹　181
11.2.1　信息熵　181
11.2.2　信息增益　182
11.2.3　信息增益率184
11.2.4　基尼係數　185
11.2.5　小結　185
11.3　決策樹實戰　186
11.3.1　決策樹迴歸　186
11.3.2　決策樹的分類　188
第　12章 從樸素貝葉斯看算法多變　193
12.1　樸素貝葉斯簡介　193
12.1.1　認識樸素貝葉斯　193
12.1.2　樸素貝葉斯分類的工作過程　194
12.1.3　樸素貝葉斯算法的優缺點　195
12.2　3種樸素貝葉斯實戰　195
第　13章 從推薦係統看算法場景　200
13.1　推薦係統簡介　200
13.1.1　推薦係統的發展　200
13.1.2　協同過濾　201
13.2　基於文本的推薦　208
13.2.1　標簽與知識圖譜推薦案例　209
13.2.2　小結　217
第　14章 從TensorFlow開啓深度學習之旅　218
14.1　初識TensorFlow　218
14.1.1　什麼是TensorFlow　218
14.1.2　安裝TensorFlow　219
14.1.3　TensorFlow基本概念與原理　219
14.2　TensorFlow數據結構　221
14.2.1　階　221
14.2.2　形狀　221
14.2.3　數據類型　221
14.3　生成數據十二法　222
14.3.1　生成Tensor　222
14.3.2　生成序列　224
14.3.3　生成隨機數　225
14.4　TensorFlow實戰　225
參考文獻　230
· · · · · · (收起)