\t本书从Python基础入手，循序渐进地讲到机器学习、深度学习等领域的算法原理和代码实现，在学习算法理论的同时也强调了代码工程能力的逐步提高。



\t本书共6个章，第1章从零基础介绍Python基础语法、Python数据处理库NumPy、Pandas、Matplotlib、OpenCV的使用；第2章主要介绍机器学习算法的原理并配有代码实例，方便在理解原理的同时也能写出代码；第3章主要介绍深度学习框架TensorFlow、Keras、PyTorch的API和网络模型的搭建方法，力保读者能够掌握主流深度学习框架的使用；第4章主要介绍CNN卷积神经网络各种卷积的特性，并同时代码实战了多个经典分类网络；第5章介绍目标检测领域中多个经典算法的原理，并配套展现了代码调试的过程，将算法原理与代码进行了结合，方便更深入地理解算法原理；第6章分享深度学习项目的分析和实现过程。



\t本书精心设计的算法原理讲解、代码实现，不仅适合对深度学习感兴趣的初学者，同时对高校学生、教师、相关技术人员、研究人员及从事深度学习工程师都有参考价值。

第1章Python编程基础
1.1环境搭建
1.2基础数据类型
1.2.1数值型
1.2.2字符串
1.2.3元组
1.2.4列表
1.2.5字典
1.2.6集合
1.2.7数据类型的转换
1.3条件语句
1.4循环语句
1.5函数
1.6类
1.7文件处理
1.8异常处理
1.9模块与包
1.10包的管理
……