目录


第1章Python基础实践

1．1实践一： 九九乘法表

1．2实践二： 抽奖系统

1．3实践三： 批量文件遍历、复制、重命名

1．4实践四： 数据统计分析及可视化

1．5实践五： 图像直方图统计


第2章数据爬取与分析

2．1实践一： 爬取明星数据

2．2实践二： 科比职业生涯数据爬取与分析

2．3实践三： 电视影评爬取

2．4实践四： 股票行情爬取与分析


第3章机器学习基础实践

3．1实践一： 基于线性回归/Lasso回归/多项式回归实现房价预测

3．2实践二： 基于朴素贝叶斯实现文本分类

3．3实践三： 基于逻辑回归模型实现手写数字识别

3．4实践四： 基于SVM/决策树/XGBoost算法实现鸢尾花

3．5实践五： 基于Kmeans/层次聚类算法实现自制数据集聚类


第4章神经网络基础实践

4．1实践一： 基于全连接神经网络实现鲍鱼年龄预测

4．2实践二： 基于全连接神经网络实现车辆分类

4．3实践三： 基于高层API实现车辆分类


第5章计算机视觉基础实践

5．1实践一： 图像数据预处理实践

5．2实践二： 基于卷积神经网络实现宝石分类

5．3实践三： 基于VGGNet网络模型实现美食分类

5．4实践四： 基于ResNet网络模型实现中草药分类

5．5实践五： 基于Faster RCNN模型实现目标检测

5．6实践六： 基于UNet模型实现宠物图像分割


第6章自然语言处理基础实践

6．1实践一： 文本数据处理实践

6．2实践二： 基于CBOW/Skipgram实现Word2Vec

6．3实践三： 基于循环神经网络实现情感分类

6．4实践四： 基于LSTM实现谣言检测

6．5实践五： 基于结合注意力机制的LSTM实现机器翻译

6．6实践六： 基于GRU实现电影评论分析


第7章深度学习前沿应用

7．1实践一： 文字识别

7．2实践二： 手写数字生成

7．3实践三： 新闻主题分类

7．4实践四： 诗歌生成

7．5实践五： 图像分类FineTuning

7．6实践六： 文本分类FineTuning


参考文献