Python项目实战从入门到精通电子书

前折页

书名页

前言

目录

基础篇

第1章 初识Python

1.1 源码世界的来源

1.2 探索Python的起源

1.2.1 绘制Python发展历程图

1.2.2 训练1：Python语言来历

1.2.3 训练2：探索Python优势

1.2.4 训练3：区分Python 2与Python 3

1.3 感知Python的特点

1.3.1 Python思维导图

1.3.2 训练1：比较“自然语言”与“编程语言”

1.3.3 训练2：探讨编译型和解释型语言

1.3.4 训练3：剖析Python的缺点

1.4 搭建Python的运行环境之海龟编辑器

1.4.1 关于海龟编译器

1.4.2 训练1：初探海龟编辑器

1.4.3 训练2：尝试第一个海龟小程序

1.4.4 训练3：查找编译问题

1.5 搭建Python运行环境之PyCharm

1.5.1 下载PyCharm

1.5.2 训练1：进入PyCharm的新世界

1.5.3 训练2：创建PyCharm小项目

1.5.4 训练3：查找PyCharm程序问题

1.5.5 训练4：在Mac系统安装PyCharm

第2章 变量与数据

2.1 变量魔法

2.1.1 变量相关知识

2.1.2 训练1：加法大作战

2.1.3 训练2：修改程序错误

2.1.4 训练3：数据的神奇调换

2.2 数和字符串

2.2.1 数据类型

2.2.2 训练1：初识数字

2.2.3 训练2：初识字符串

2.2.4 训练3：happy birthday

2.3 图书馆的神秘之书

2.3.1 占位符和转义字符

2.3.2 训练1：计算BMI

2.3.3 训练2：初识占位符

2.3.4 训练3：阿短的进步之旅

第3章 认识序列

3.1 list召唤编程猫家族

3.1.1 列表

3.1.2 训练1：简单操作列表

3.1.3 训练2：元素的增删

3.1.4 训练3：组织列表

3.2 源码世界的元组与字典

3.2.1 元组与字典

3.2.2 训练1：操作元组

3.2.3 训练2：建立字典

3.2.4 训练3：使用字典

3.2.5 训练4：遍历字典

3.2.6 训练5：嵌套

第4章 条件与循环

4.1 条件判断

4.1.1 条件语句

4.1.2 训练1：寻找编号为偶数的聚餐人员

4.1.3 训练2：判断生涯阶段

4.1.4 训练3：挑选食物爱好

4.2 循环语句

4.2.1 Python的循环语句

4.2.2 训练1：列写编程猫家族的成员名单

4.2.3 训练2：判断最大值

4.2.4 训练3：协助阿短寻找偶数

4.3 运算符

4.3.1 运算符的应用

4.3.2 训练1：核算购物的花费

4.3.3 训练2：比较食物的价格

4.3.4 训练3：筛选参宴的客人

第5章 函数与模块

5.1 Python函数

5.1.1 函数的基本知识

5.1.2 训练1：在晚宴上唱一首歌曲

5.1.3 训练2：进一步完善程序

5.1.4 训练3：向阿短的朋友们介绍编程猫

5.1.5 训练4：另一种介绍编程猫的方法

5.2 Python模块

5.2.1 返回值与函数的基本应用

5.2.2 训练1：编程猫的姓与名

5.2.3 训练2：分配糖果

5.2.4 训练3：晚宴上的菜品

5.2.5 训练4：制作蛋糕

5.3 NumPy库函数

5.3.1 NumPy库

5.3.2 训练1：计算数学函数

5.3.3 训练2：计算算术函数

5.3.4 训练3：调用统计函数

5.3.5 训练4：对数组进行切片处理

5.3.6 训练5：使用NumPy进行排序

5.3.7 训练6：用NumPy计算矩阵

5.3.8 训练7：用NumPy计算线性代数

5.4 Matplotlib库函数

5.4.1 Matplotlib函数库

5.4.2 训练1：绘制正弦波

5.4.3 训练2：同时绘制正弦和余弦值

5.4.4 训练3：绘制条形图

5.4.5 训练4：绘制点状图

5.4.6 训练5：直接将数字转换为图形

5.4.7 训练6：调用figure画图

5.4.8 训练7：设置图像的坐标轴

5.4.9 训练8：绘制饼状

提高篇

第6章 机器学习

6.1 机器学习认知

6.1.1 机器学习相关概念

6.1.2 训练1：安装Python机器学习常用库

6.1.3 训练2：绘制方程y=2 x+5

6.2 KNN算法研习及应用

6.2.1 KNN算法要点

6.2.2 训练1：电影分类

6.2.3 训练2：鸢尾花数据分类

6.2.4 训练3：手写数字识别

6.3 决策树与随机森林分析应用

6.3.1 关于决策树和随机森林的相关概念

6.3.2 训练1：决策树可视化

6.3.3 训练2：鸢尾花分类实验

6.3.4 训练3：决策树与随机森林比较实验

6.4 线性回归

6.4.1 代价函数和梯度下降法

6.4.2 训练1：梯度下降法：一元线性回归

6.4.3 训练2：梯度下降法：多元线性回归

6.4.4 训练3：sklearn：多项式回归

第7章 神经网络

7.1 神经网络基础

7.1.1 神经元与感知器

7.1.2 训练1：Python实现单层感知器

7.1.3 训练2：感知器题目实战

7.1.4 训练3：单层感知器解决异或问题

7.2 多层感知器

7.2.1 BP神经网络

7.2.2 训练1：利用Python实现简单的三层BP神经网络

7.2.3 训练2：利用BP神经网络实现异或问题

7.2.4 训练3：利用TensorFlow实现BP神经网络

7.3 卷积神经网络

7.3.1 TensorFlow卷积神经网络平台搭建

7.3.2 训练1：MNIST手写数字识别

7.3.3 训练2：基于CNN的MNIST手写数字识别

高级篇

第8章 图像处理

8.1 图像处理基础

8.1.1 图像的基本知识

8.1.2 训练1：帮助编程猫处理像素

8.1.3 训练2：教阿短获取图像属性

8.1.4 训练3：感兴趣区域ROI的提取

8.1.5 训练4：通道的拆分与合并

8.2 图像的运算

8.2.1 图像的运算和几何变换

8.2.2 训练1：帮助阿短实现图像融合

8.2.3 训练2：教会阿短图像缩放

8.2.4 训练3：一起学习图像翻转

8.2.5 训练4：阈值分割的最终实现

第9章 人脸初识

9.1 基于级联分类器的人脸探测

9.1.1 级联分类器

9.1.2 训练1：静态图片的人脸检测

9.1.3 训练2：静态图片的表情识别

9.2 基于LBPH的人脸识别

9.2.1 LBPH算法

9.2.2 训练：LBPH人脸识别

9.3 视频处理

9.3.1 视频处理函数

9.3.2 训练1：视频流人脸检测

9.3.3 训练2：视频流人脸识别

第10章 人脸识别

10.1 基于HOG人脸探测算法

10.1.1 HOG（方向梯度直方图）

10.1.2 训练1：获取人脸的HOG

10.1.3 训练2：实现人脸的探测和标识

10.2 基于KNN的人脸识别算法

10.2.1 KNN算法

10.2.2 训练1：利用mglearn和Matplotlib作图

10.2.3 训练2：KNN算法判断性别

10.2.4 训练3：KNN算法求距离

10.3 人脸识别系统的实现

10.3.1 人脸识别系统的构建

10.3.2 训练：通过人脸识别系统识别人脸

版权

后折页