-
第一章LaTeX数学公式
LaTeX的数学文档基本结构及公式语法表达。
-
●1.1为什么学习LaTeX
LaTeX入门知识概述；学习LaTeX的原因。
-
●1.2LaTeX数学公式
常见数学公式的LaTeX语法。
-
●1.3上机演示：LaTeX安装与数学文档
系统LaTeX环境搭建及用编译器WinEdt生成数学文档。
-
第二章Python基础回顾
进行科学计算和数据分析用到的Python基础知识和必备工具库。
-
●2.1数据类型及运算符（1）
Python常用内置数据类型及运算符。
-
●2.2数据类型及运算符（2）
数据类型的相互转换及操作。
-
●2.3常用函数及流程控制语句
介绍科学计算中常用的函数方法、print函数输出格式化、及程序流程语句。
-
●2.4函数与模块
函数的定义格式及参数类型；模块的导入方式与引用。
-
●2.5NumPy
Numpy数组的创建、索引、变形、转换，及合并分割等操作。
-
●2.6Pandas
Pandas基本数据对象的创建，数据集文件导入、切片索引、筛选、排序、及统计等操作。
-
●2.7上机演示：Spyder
介绍anaconda的安装、组件构成；自带IDE spyder的常用操作及示例等。
-
第三章函数绘图
介绍利用matplotlib库绘制二维图形、三维图形、及其他类型图形的知识。
-
●3.1Matplotlib库绘图
Matplotlib库的基础知识，基本绘图函数以及图形装饰、坐标轴选项等。
-
●3.2子图
利用Matplotlib库绘制子图
-
●3.3中文及数学公式等特殊显示
在函数绘图时实现中文显示、坐标刻度负号显示、及LaTeX风格的公式显示等。
-
●3.4对数坐标及极坐标绘图
介绍半对数、全对数坐标系绘图，及极坐标下绘图。
-
●3.5带箭头注释
介绍绘图时的指向性注释实现。
-
●3.6辅助线、区域
函数绘图时水平、垂直两种方向上辅助线及辅助区域的实现。
-
●3.7特殊图形：散点图、饼图、柱状图
几种特殊图形的绘制。
-
●3.8三维绘图
空间曲线、三维表面图、三维网格图、及等高线的绘制。
-
●3.9上机演示：图形尺寸及布局
演示图形绘制时显示的像素，尺寸及布局等的操作。
-
第四章符号运算
介绍符号运算的相关命令，及微积分、方程等问题的符号解。
-
●4.1SymPy库
介绍sympy库的基础知识和命令，及符号变量和符号表达式的定义。
-
●4.2隐函数绘图
利用sympy库绘制函数图形。
-
●4.3微积分计算及(微分)方程求解
极限、导数、积分、级数的符号求解实现，方程包括方程组、微分方程的符号解实现。
-
第五章数值运算
利用Python中工具库进行数值求解的相关知识。
-
●5.1数值积分及方程（组）求解
定积分、二重积分、三重积分、及方程（组）的数值求解。
-
●5.2微分方程数值解及极小值
微分方程的数值求解，函数极值问题求解。
-
●5.3线性代数问题
利用numpy和scipy进行线性代数中常见问题的相关运算。
-
●5.4上机演示：局部最值问题
演示如何利用scipy中的工具函数求解局部最大值、最小值问题。
-
第六章数据处理
数据文件的导入与保存操作，常见数据清洗处理。
-
●6.1数据文件操作
Numpy与Pandas不同类型数据文件的导入与结果保存操作。
-
●6.2重复值、缺失值、异常值处理
Pandas导入数据文件后的数据重复值的删除处理，缺失值的填充与删除处理，异常值的检测、删除及替换处理。
-
●6.3上机演示：数据标准化
通过例子演示数据文件操作、清洗处理及数据标准化处理等。
-
第七章数据分析
介绍数据分析的描述统计及推断统计方法。
-
●7.1描述统计及可视化(直方图、茎叶图、箱线图)
介绍常见概率分布的计算、数字特征、描述统计、可视化等内容。
-
●7.2数据分析的推断方法
介绍点估计、区间估计、假设检验、正态性检验、方差分析及回归分析等内容。
-
●7.3上机演示： 蒙特卡罗模拟
通过例子演示蒙特卡洛方法的运用与实现。
-
第八章sklearn机器学习
介绍Python中机器学习库sklearn的基本内容。
-
●8.1sklearn概述
介绍机器学习库sklearn的基本模块、设计原则、评估器API常用步骤等内容
-
●8.2模型验证
介绍模型拟合时的数据集分割、交叉验证、模型准确率评估等内容
-
●8.3有监督学习：回归、分类（1）
介绍有监督学习的定义方法及LinearRegression模型类实现。
-
●8.4有监督学习：回归、分类（2）
介绍朴素贝叶斯分类器、随机森林模型类的具体实现步骤。
-
●8.5无监督学习：降维、聚类（1）
介绍无监督学习的定义方法及主成分降维的具体实现
-
●8.6无监督学习：降维、聚类（2）
介绍无监督学习中聚类的概念，并以例子说明高斯混合聚类、k-means 聚类的实现。