《用Python编程和实践！深度学习教科书》是一本专门针对有一定编程经验，但没有Python和机器学习相关经验的读者编写的参考书籍，目标是让读者能够独立编写出机器学习相关的应用程序。书中首先介绍了机器学习和Python语言的基础知识，然后对NumPy、Pandas、matplotlib等在Python中使用频率较高的软件库进行讲解；对数据可视化、lambda和map等Python语法、基于DataFrame的数据整理、OpenCV的运用和图像数据的数据预处理进行讲解；最后对监督学习、超参数和调校等基础的机器学习及深度学习技术进行实践与挑战，并最终使读者达到能够运用深度学习技术之一的CNN来实现图像识别任务项目的技术水平。本书特点是用编程实践的方法学习，特别适合深度学习初学者及参与人工智能（AI）相关开发的程序员、研究人员和理工科学生。

第0章 开发环境的准备
0.1 Anaconda的安装
0.1.1 Anaconda的安装步骤
0.1.2 虚拟环境的创建
0.1.3 第三方库的安装
0.1.4 Jupyter Notebook的启动和操作
第1章 机器学习概论
1.1 机器学习简介
1.1.1 为何现在“机器学习”如此热门
1.1.2 何谓机器学习
1.2 各类机器学习算法
1.2.1 理解监督学习
1.2.2 理解无监督学习
1.2.3 理解强化学习
第2章 机器学习的流程
2.1 机器学习的流程简介
2.1.1 进行机器学习的整体流程
2.1.2 数据的学习
2.2 学习数据的使用方法
2.2.1 学习数据与测试数据
2.2.2 留出法的理论与实践
2.2.3 k折交叉验证的理论
2.2.4 k折交叉验证的实践
2.3 过拟合
2.3.1 何谓过拟合
2.3.2 立拟合的避免
2.4 集成学习
第3章 性能评价指标与PR曲线
3.1 性能评价指标
3.1.1 理解混淆矩阵
3.1.2 编程实现混淆矩阵
3.1.3 准确率
3.1.4 F值
3.1.5 性能评价指标的编程实现
3.2 PR曲线
3.2.1 召回率与准确率的关系
3.2.2 何谓PR曲线
3.2.3 基于PR曲线的模型评估
第4章 Python基础入门
4.1 Python基础
4.1.1 Hello world
4.1.2 Python的用途
4.1.3 注释的输入
4.1.4 数值与字符串
4.1.5 运算
4.2 变量
4.2.1 变量的定义
4.2.2 变量的更新
4.2.3 字符串的连接
4.3 类型
……