Python基础篇
第 1天 初识Python 003
第 1部分 开始使用Python 003
第 2部分 计算 008
第3部分 数值和字符串 014
第4部分 输入 017
第 2天 控制语句和函数 021
第 1部分 if语句和比较运算符 021
第 2部分 逻辑运算符 026
第3部分 while语句 029
第4部分 函数的创建 033
第3天 Python数据类型 042
第 1部分 列表 042
第 2部分 列表的便捷功能 047
第3部分 元组和集合 050
第4部分 字典 054
第4天 类和模块 058
第 1部分 面向对象 058
第 2部分 类和继承 061
第3部分 异常 067
第4部分 模块 072
第5天 网络通信 076
第 1部分 电子邮件基础与要做的准备工作 076
第 2部分 使用Python发送邮件 079
第3部分 Web服务器和通信 084
第4部分 使用外部库 087
Python网络爬虫篇
第 1天 Web基础 095
第 1部分 启动Web服务器 096
第 2部分 Web服务器与HTML的关系 100
第3部分 HTML基础 103
第4部分
标签 108第 2天 CSS和JavaScript 112第 1部分 CSS是什么 113第 2部分 CSS选择器 117第3部分 JavaScript是什么 121第4部分 函数和事件 126第3天 表单和正则表达式 130第 1部分 表单 131第 2部分 用Python程序接收表单输入 137第3部分 用正则表达式检查输入 142第4天 Selenium自动化 147第 1部分 Selenium是什么 148第 2部分 Selenium IDE 152第3部分 在Python中使用Selenium 157第5天 Python网络爬虫 162第 1部分 使用正则表达式进行数据采集 163第 2部分 使用beautifulsoup4和XPath进行数据采集 168第3部分 使用Selenium进行数据采集 172Python AI编程篇第 1天 AI编程准备 177第 1部分 引言 178第 2部分 安装Anaconda 180第3部分 Jupyter Notebook 182第4部分 NumPy 185第5部分 Pandas 190第6部分 matplotlib 194第 2天 scikit-learn 198第1部分 了解scikit-learn 199第 2部分 回归分析 202第3部分 机器学习数据集 206第3天 监督学习(k最近邻算法) 212第 1部分 了解 k最近邻算法 213第 2部分 数据划分 215第3部分 绘制散点图 217第4部分 构建机器学习模型 220第4天 监督学习(其他相关的机器学习算法) 223第 1部分 感知机 224第 2部分 scikit-learn感知机 229第3部分 逻辑斯谛回归 232第4部分 支持向量机 237第5天 神经网络和聚类 240第 1部分 神经网络 241第 2部分 MLPClassifier分类器 247第3部分 无监督学习 251第4部分 尝试k均值算法 254
展开