Python编程基础：融入生成式AI（第2版）：AI时代的编程必修课！
**** Hidden Message *****Python编程基础：融入生成式AI（第2版）：AI时代的编程必修课！共710节课，时长59小时55分钟 | 英语，AI中文字幕版
《Paul Deitel讲授的Python基础课程》是一门以代码演示为主的课程，用于讲解Python这门全球最受欢迎、发展最快的编程语言。通过数百个实际代码示例——从简单的代码片段到完整的脚本——Paul展示了如何使用交互式的IPython解释器及Jupyter Notebook来进行编程。你很快就会熟悉Python语言、其常用的编程风格、关键的Python标准库模块，以及那些流行的第三方开源库。在《数据科学入门》系列视频中，保罗为后续课程打下了基础。在这些后续课程中，他将介绍一些当前最先进的计算技术，包括自然语言处理、数据挖掘、基于分类与回归的监督式机器学习、基于聚类的无监督式机器学习、利用卷积神经网络实现的计算机视觉技术、以及利用循环神经网络实现的情感分析技术。以及大数据基础设施相关主题，包括Hadoop、Spark、流处理、NoSQL数据库和物联网（IoT）。
目录
先看看这个！《Python基础》第2版预览
001.先看看这个！《Python基础》第2版预览
Python的新增内容
002.概述——Python的新增功能
003.简介——与第3课相关的新增功能
004.格式化字符串（f-字符串）
005.使用match…case语句进行多重选择
006.赋值表达式——-=操作符
007.statistics函数的更新以及多模式使用方式
008.简介——与第4课相关的新增功能
009.使用match…case进行模式匹配
010.仅基于位置的匹配参数
011.用于创建命名常量的枚举类型
012.简介——与第5课相关的新功能
013.具有自文档功能的f-string表达式
014.在for语句中使用的星号解包表达式
015.为提升性能而采用的列表推导式内联技术
016.zip函数的长度检查选项
017.简介——与第6课相关的新功能
018.字典的联合运算符
019.仅包含关键字作为参数的情况以及任意数量的关键字参数
020.简介——与第8课相关的新功能
021.删除字符串的前缀和后缀
022.正则表达式中的命名Unicode字符
023.简介——与第9课相关的新功能
024.为异常添加注释
025.异常组与except语句
026.简介——与第10课相关的新功能
027.kwargs的类型注解
028.类型提示中的类型联合运算符
029.类型中的内置集合类型提示
030.@override：用于子类中被重写方法的装饰器
开始之前
031.课程概览
032.获取代码示例
033.示例文件夹的结构
034.安装Anaconda
035.更新Anaconda
036.包管理器
037.创建自定义环境
038.解答您的疑问
039.保持联系
第01课——试用IPython和Jupyter Notebook
040.课程概览
041.将IPython交互模式用作计算器
042.使用IPython解释器运行Python程序
043.在Jupyter Notebook中编写和执行代码——概述
044.在Jupyter Notebook中编写和执行代码——启动Jupyter
045.在Jupyter Notebook中编写和执行代码——创建新笔记本
046.在Jupyter Notebook中编写和执行代码笔记本——添加与执行代码
047.在Jupyter笔记本中编写并执行代码——打开与执行代码
048.在Jupyter笔记本中编写并执行代码——关闭Jupyter笔记本
049.在Jupyter笔记本中编写并执行代码——Google Colab
第02课 – Python编程入门
050.课程概览
051.变量与赋值语句
052.变量与赋值语句——自我检测
053.变量与赋值语句——生成式AI提示词
054.算术运算
055.自我检测
056.算术运算——生成式AI提示词
057.print函数以及单引号和双引号字符串简介
058.自我检测
059.print函数以及……简介单引号和双引号字符串——生成式AI
060.三引号字符串
061.自我检测
062.三引号字符串——生成式AI提示语
063.从用户那里获取输入
064.自我检测
065.从用户那里获取输入——生成式AI提示语
066.决策制定——if语句与比较运算符
067.自我检测
068.决策制定——if语句与比较运算符——生成式AI应用
069.对象以及动态类型
070.自我检测
071.对象与动态类型——生成式AI提示词
072.对象——实际案例分析：创建并使用Python中的str类对象
073.自我检测
074.对象——实际案例分析：创建并使用Python中的其他类对象
075.数据科学入门——基本描述性统计
076.自我检测
077.数据科学入门——基本描述性统计——生成式AI提示词
第03课 – 控制语句
078.课程概览 – 控制语句
079.关键词
080.if语句
081.检查点 – if语句
082.基于GenAI的练习题 – if语句
083.if…else以及if…elif…else语句
084.检查点 – if…else以及if…elif…else语句
085.基于GenAI的练习题 – if…else以及if…elif…else语句
086.match…case选择语句
087.检查点 – match…case选择语句语句
088.生成式AI提示练习——匹配…情况选择语句
089.while语句
090.检查点——while语句
091.生成式AI提示练习——while语句
092.for语句；可迭代对象、列表与迭代器；内置的range函数
093. 检查点——for语句；可迭代对象、列表与迭代器；内置的range函数
094.生成式AI提示语练习——for语句；可迭代对象、列表与迭代器。内置函数范围 F
095.增强型作业
096.检查点——增强型作业
097.生成式AI提示语练习——增强型作业
098.序列控制迭代
099.检查点——序列控制迭代
100.生成式AI提示语练习——序列控制迭代
101.哨兵控制迭代
102.检查点——哨兵控制迭代
103.内置函数范围——更深入的了解
104.检查点——内置函数范围——深入探讨
105.GenAI提示语练习——内置函数范围——深入探讨
106.break和continue语句
107.GenAI提示语练习——break和continue语句
108.布尔运算符与逻辑与运算或、与、非
109.检查点——布尔运算符：与、或、非
110.生成式AI提示练习——布尔运算符：与、或、非
111.使用小数类型表示金额
112.使用小数类型表示金额——复利计算问题
113.检查点——使用小数类型表示金额
114.生成式AI提示练习——使用小数类型表示金额
115.数据科学入门——集中趋势的度量——均值中位数与众数
116.学习节点——数据科学入门——集中趋势的度量——均值、中位数与众数
117.生成式AI提示语练习——数据科学入门——集中趋势的度量——均值、中位数
第04课 – 函数
118.课程概览 – 函数
119.定义函数
120.检查点 – 定义函数
121.生成式AI提示练习 – 定义函数
122.具有多个参数的函数
123.检查点 – 具有多个参数的函数
124.生成式AI提示练习 – 具有多个参数的函数
125.随机数生成 – 投掷六面骰子
126.随机数生成 – 投掷六面骰子：6,000,000次投掷
127.随机数生成——为随机数生成器设置种子以确保结果可重复
128.检查点——随机数生成
129.生成式AI提示练习——随机数生成
130.案例研究——一种概率游戏
131.检查点——案例研究：一种概率游戏
132.生成式AI提示练习——案例研究：一种概率游戏
133.Python标准库
134.生成式AI提示练习——Python标准库图书馆
135.数学模块函数
136.生成式AI提示语练习——数学模块函数
137.利用IPython的自动补全功能进行探索
138.生成式AI提示语练习——利用IPython的自动补全功能进行探索
139.默认参数值
140.生成式AI提示语练习——默认参数值
141.关键字参数
142.生成式AI提示语练习——关键字参数
143.自定义参数列表
144.检查点——自定义设置参数列表
145.生成式AI提示语练习——任意参数列表
146.作用域规则
147.生成式AI提示语练习——作用域规则
148.import语句详解
149.生成式AI提示语练习——import语句详解
150.向函数传递参数——深入解析
151.生成式AI提示语练习——向函数传递参数——深入解析
152.函数式编程入门
153.对象——以日期和时间为案例
154.检查点——物体相关案例研究——日期与时间
155.生成式AI提示词练习——物体相关案例研究——日期与时间
156.数据科学入门——离散度度量
157.生成式AI提示词练习——数据科学入门——离散度度量
第05课 – 序列 – 列表与元组
158.课程概览——序列、列表与元组
159.列表
160.生成式AI提示练习——列表
161.元组
162.检查点——元组
163.生成式AI提示练习——元组
164.解包序列
165.创建简单条形图
166.检查点——解包序列
167.生成式AI提示练习——解包序列
168.序列切片
169.检查点——序列切片
170.生成式AI提示练习——序列切片
171.删除语句
172.检查点——删除语句
173.生成式AI提示练习——删除语句
174.将列表传递给函数
175.检查点——将列表传递给函数
176.生成式AI提示练习——将列表传递给函数
177.对列表进行排序
178.检查点——对列表进行排序
179.生成式AI提示练习——对列表进行排序
180.查找序列中的元素
181.检查点——序列搜索
182.生成式AI提示练习——序列搜索
183.其他列表操作方法
184.检查点——其他列表操作方法
185.使用列表模拟栈结构
186.列表推导式
187.检查点——列表推导式
188.生成式AI提示练习——列表推导式
189.生成器表达式
190.生成器函数
191.检查点——生成器表达式
192.生成式AI提示练习——生成器表达式与生成器函数
193.归约运算以及lambda表达式简介
194.复习——归约运算与lambda表达式简介
195.生成式AI提示词练习——归约运算与表达式简介
196. 其他序列处理函数
197.复习——其他序列处理函数
198.生成式AI提示词练习——其他序列处理函数
199.二维列表
200. 复习——二维列表
201.生成式AI提示练习——二维列表
202.在match…case语句中的模式匹配
203.生成式AI提示练习——在match…case语句中的模式匹配
204.对象——数据科学入门：模拟与静态可视化
205.示例图表
206.RollDie.py——可视化骰子投掷的频率与百分比
207.检查点：模拟与静态可视化
208.生成式AI提示练习——仿真与静态可视化
第06课 – 字典与集合
209.课程概览 – 字典与集合
210.字典
211.生成式AI提示语练习 – 字典
212.创建字典
213.检查点 – 创建字典
214.生成式AI提示语练习 – 创建字典
215.遍历键值对
216.检查点 – 遍历键值对
217.基本字典操作
218.检查点 – 基本操作字典操作
219.生成式AI提示练习——基本字典操作
220.字典的方法：键与值
221.复习——字典的方法：键与值
222.生成式AI提示练习——字典的方法：键与值
223.字典的比较
224.生成式AI提示练习——字典的比较
225.应用场景——学生成绩字典
226.生成式AI提示练习——学生成绩字典
227.应用——单词计数字典
228.Python标准库模块collections
229.检查点——Python标准库模块collections
230.生成式AI提示语练习——单词计数字典
231.字典的update方法与字典合并操作符
232.随机关键字参数以及仅包含关键字的参数
233.生成式AI提示语练习——随机关键字参数及仅包含关键字的参数
234.字典理解
235.检查点——字典推导式
236.生成式AI提示练习——字典推导式
237.集合
238.检查点——集合
239.生成式AI提示练习——集合
240.集合的比较
241.检查点——集合的比较
242.数学集合运算
243.检查点——数学集合运算
244.生成式AI提示练习——数学集合运算
245.可变集合的操作符与方法
246.GenAI提示练习——可变集合操作符与方法
247.集合推导式
248.GenAI提示练习——集合推导式
249.对象——数据科学入门——动态可视化——如何实现动态可视化
250.对象——数据科学入门——动态可视化——动态可视化的实现方式
251.对象——数据科学入门——动态可视化——functools模块的功能
252.GenAI提示练习——functools模块的用法部分函数
第07课 – 数组
253.课程概览 – 数组
254.数组简介
255.从现有数据创建数组
256.检验点 – 从现有数据创建数组
257.基于生成式AI的练习 – 从现有数据创建数组
258.数组的属性
259.检验点 – 数组的属性
260.基于生成式AI的练习 – 数组的属性
261.用特定值填充数组
262.基于生成式AI的练习 – 填充数组带具体数值
263.从范围创建数组
264.检查点——从范围创建数组
265.生成式AI提示练习——从范围创建数组
266.性能分析列表与使用timeit测试数组的性能
267.性能分析列表与使用timeit测试数组的性能的比较——其他IPython魔法命令
268.检查点功能——性能分析列表与使用timeit测试数组的性能的比较
269.生成式AI提示词相关练习——性能分析列表与……的比较使用timeit测试数组性能
270.数组运算符
271.检查点——数组运算符
272.基于GenAI的练习——数组运算符
273.NumPy计算方法
274.检查点——NumPy计算方法
275.基于GenAI的练习——NumPy计算方法
276.通用函数
277.检查点——通用函数
278.基于GenAI的练习——通用函数
279.索引与切片操作
280.检查点——索引与切片
281.生成式AI提示练习——索引与切片
282.查看方式——浅层复制
283.生成式AI提示练习——查看方式——浅层复制
284.深层复制
285.生成式AI提示练习——深层复制
286.数组的重塑与转置
287.检查点——数组的重塑与转置
288.生成式AI提示练习——数组的重塑与转置
289.数据科学入门——pandas系列数据结构DataFrame
290.pandas Series
291.检查点 – pandas Series
292.生成式AI提示练习 – pandas Series
293.pandas DataFrames
294.检查点 – pandas DataFrames
295.生成式AI提示练习 – pandas DataFrames
第08课 – 字符串 – 更深入的了解
296.课程概览
297.字符串的格式化——显示方式
298.自我检测
299.字符串的格式化——字段宽度与对齐方式
300.自我检测
301.字符串的格式化——数字格式化
302.自我检测
303.字符串的格式化——字符串的format方法
304.自我检测
305.字符串的连接与重复使用
306.自我检测
307.去除字符串中的空白字符
308.自我检测
309.修改字符处理
310.自我检测
311.字符串的比较运算符
312.查找子字符串
313.自我检测
314.替换子字符串
315.自我检测
316.分割与合并字符串
317.自我检测
318.字符及字符检测方法
319.原始字符串
320.正则表达式简介
321.re模块及fullmatch函数——第一部分：匹配固定字符
322.re模块及相关函数全匹配 第二部分——元字符，字符类与量词
323.关于模块与函数fullmatch 第三部分——自定义字符类
324.关于模块与函数fullmatch 第一部分——量词
325.自我检测
326.替换子字符串与分割字符串
327.自我检测
328.其他搜索函数：查找匹配项——函数搜索——在文档的任意位置找到第一个匹配项。
329.其他搜索功能：查找匹配项——通过可选标志忽略大小写。
330.其他搜索功能：查找匹配项——用于将搜索范围限制在文本开头的特殊字符。
331.其他搜索功能：查找匹配项——findall和finditer函数——在文档中查找所有匹配项。
332.其他搜索功能：获取匹配结果——提取匹配中的子字符串
333.自我检测
334.数据科学入门——Pandas、正则表达式与数据处理 第1部分：简介
335.数据科学入门——Pandas、正则表达式与数据处理 第3部分：数据验证
336.数据科学入门——Pandas、正则表达式与数据处理 第4部分：数据格式化
337.自我检测
第09课 – 文件与异常处理
338.课程概览
339.文件
340.文本文件处理——向文本文件写入数据——介绍with语句
341.自我检测
342.文本文件处理——从文本文件读取数据
343.自我检测
344.更新文本文件
345.自我检测
346.使用JSON进行序列化——JSON数据格式
347.使用JSON进行序列化——将对象序列化为JSON格式
348.使用JSON进行反序列化——将JSON对象还原为原始形式Python
349.使用JSON进行序列化——显示JSON文本
350.自我检测
351.文件打开模式
352.异常处理
353.除以零以及无效输入的处理
354.try语句
355.自我检测
356.finally子句
357.自我检测
358.显式抛出异常
359.栈回溯与错误追踪
360.数据科学入门——处理CSV文件——Python标准库中的csv模块
361.自我检测
362.数据科学入门——处理CSV文件——将CSV文件读入Pandas数据框
363.数据科学入门——处理CSV文件——读取泰坦尼克号灾难数据集
364.数据科学入门——处理CSV文件——利用泰坦尼克号灾难数据集进行简单数据分析
365.数据科学入门——处理CSV文件——乘客年龄的直方图分析
第10课 – 面向对象编程
366.课程概述
367.自定义类Account——测试类Account的功能
368.自定义类Account——Account类的定义
369.自我检测
370.限制对属性的访问
371.用于数据访问的属性——测试Class Time类的功能
372.用于数据访问的属性——Class Time类的定义
373.自我检测
374.用于数据访问的属性——Class Time类定义的说明
375.模拟私有属性
376.案例研究——卡片洗牌与发牌模拟——Class Card和DeckOfCards的运用
377.案例研究——卡片洗牌与发牌模拟——Class Card以及类属性的介绍
378.案例研究——卡片洗牌与发牌模拟——Class DeckOfCards的运用
379.案例研究——卡片洗牌与发牌模拟——使用Matplotlib显示卡片图像
380.自我检测
381.继承——基类与子类
382.构建继承关系层次结构与多态性的引入——基类CommissionEmployee
383.构建继承层次结构与引入多态性——子类SalariedCommissionEmploye
384.构建继承层次结构与引入多态性——处理CommissionEmployees对象
385.鸭子类型与多态性
386.运算符重载
387.对复杂类的测试
388.复杂类的定义
389.自我检查
390.命名元组
391.简介Python 3.7新数据类的简介
392.Python 3.7新数据类简介——创建卡片数据类
393.Python 3.7新数据类简介——使用卡片数据类
394.自我检测
395.Python 3.7新数据类简介——相较于命名元组与传统类的优势
396.利用文档字符串和doctest进行单元测试
397.自我检测
398.命名空间与作用域
399.数据科学入门——时间序列以及简单线性回归——简介
400.数据科学入门——时间序列与简单线性回归——简单线性回归的构成要素
401.数据科学入门——时间序列与简单线性回归——加载平均最高温度数据
402.数据科学入门——时间序列与简单线性回归——数据清洗
403.数据科学入门——时间序列与简单线性回归——计算基本的描述性统计指标
404.数据科学入门——时间序列与简单线性回归——预测未来1月的平均气温。
405.数据科学入门——时间序列与简单线性回归：绘制平均最高气温曲线
第11课 – 自然语言处理
406.课程概述
407.简介
408.TextBlob
409.创建TextBlob对象
410.将文本拆分为句子和单词
411.词性标注
412.提取名词短语
413.使用TextBlob的默认情感分析工具进行情感分析
414.使用NaiveBayesAnalyzer进行情感分析
415.语言检测与翻译
416.词形变化——复数形式生成唯一化处理
417.拼写检查与修正
418.规范化处理——词干提取与词形还原
419.单词出现频率
420.获取单词定义，WordNet中的同义词与反义词
421.删除停用词
422.n-gram模型
423.使用Pandas可视化单词出现频率
424.使用词云可视化单词出现频率
425.使用Textatistic进行可读性评估
426.使用spaCy进行命名实体识别
427.使用spaCy检测相似度
第12课 – 在Twitter上进行数据挖掘
428.课程概览
429.简介
430.Twitter API简介
431.创建Twitter开发者账户
432.获取Twitter认证信息——创建应用程序
433.推文的内容是什么？
434.Tweepy简介
435.使用Tweepy与Twitter进行身份验证
436.获取有关Twitter账户的信息
437.自我检测
438.Tweepy游标功能简介——获取账户的关注者与好友信息
439.确定某个账号的关注者
440.自我检测
441.确定某个账号关注了谁
442.获取用户的最新推文
443.自我检测
444.搜索最新推文
445.自我检测
446.发现热门趋势——Twitter趋势API
447.存在热门话题的地点
448.获取热门话题列表
449.自我检测
450.根据热门话题创建词云
451.自我检测
452.数据预处理：为分析准备推文
453.Twitter流式API
454.创建StreamListener的子类
455.启动流式处理
456.Twitter的相关限制说明
457.推文情感分析
458.地理编码与地图显示
459.获取并展示推文信息
460.tweetutilities.py中的实用函数以及LocationListener类的位置
第13课 – IBM Watson(r)与认知计算
461.课程概览
462.Watson简介
463.IBM云账户与云控制台
464.Watson服务——Watson Assistant演示
465.Watson服务——图像识别功能
466.Watson服务——语音转文本功能
467.Watson服务——文本转语音功能
468.Watson服务——语言翻译功能
469.Watson服务——自然语言理解功能
470.Watson服务——性格分析功能要点
471.其他服务与工具
472.Watson开发者云Python SDK
473.案例研究——旅行者翻译助手应用
474.在运行应用之前
475.在运行应用之前——注册语音转文本服务
476.在运行应用之前——注册文本转语音服务
477.在运行应用之前——注册语言翻译服务
478.测试该应用
479.SimpleLanguageTranslator.py脚本详解
480.SimpleLanguageTranslator.py脚本详解——从库中导入Watson SDK类
481.SimpleLanguageTranslator.py脚本详解——其他被导入的模块
482.SimpleLanguageTranslator.py脚本详解——主程序及run translator函数
483.SimpleLanguageTranslator.py脚本详解——语音转文本函数
484.SimpleLanguageTranslator.py脚本详解——相关函数翻译
485.SimpleLanguageTranslator.py脚本详解——文本转语音功能
486.SimpleLanguageTranslator.py脚本详解——音频录制功能
487.SimpleLanguageTranslator.py脚本详解——音频播放功能
488.Watson资源
第14课：机器学习——分类，回归与聚类
489.课程概览
490.机器学习简介
491.案例研究——使用k最近邻算法进行分类
492.k最近邻算法
493.k最近邻算法——超参数及其设置
494.加载数据集
495.加载数据集——查看数据集描述信息
496.加载数据集——检查样本数和目标变量数量
497.加载数据集——查看样本数据数字图像
498.加载数据集——为使用Scikit-Learn准备数据
499.可视化数据
500.将数据分为训练集和测试集
501.构建模型
502.训练模型
503.预测数字类别
504.案例研究——利用k最近邻算法进行分类
505.评估模型准确性的指标——估计器方法得分
506.评估模型准确性的指标——混淆矩阵
507.相关指标模型准确度评估——分类报告
508.模型准确度评估的指标——混淆矩阵的可视化展示
509.K折交叉验证
510.运行多个模型以找到最佳模型
511.超参数调整
512.案例研究——时间序列与简单线性回归
513.将平均最高温度数据加载到数据框中
514.分割数据用于训练和测试
515.训练模型
516.对模型进行测试模型
517.预测未来温度与估算过去温度
518.使用回归线可视化数据集
519.过拟合与欠拟合
520.案例研究——以加利福尼亚房价为例进行多元线性回归分析
521.加载数据集
522.使用Pandas工具分析数据
523.可视化特征数据
524.将数据分为训练集和测试集
525.训练模型
526.测试模型
527.可视化预期值与实际值对比预测价格
528.回归模型指标
529.如何选择最佳模型
530.案例研究——无监督机器学习，第一部分——维度降维
531.加载数字数据集
532.创建用于维度降维的TSNE估计器
533.将数字数据集的特征转换为二维形式
534.可视化降维后的数据
535.用不同颜色来表示各个数字的降维后数据
536.以3D形式可视化降维后的数据
537.案例研究——无监督机器学习第2部分——K均值算法
538.加载Iris数据集
539.分析Iris数据集——使用Pandas进行描述性统计
540.使用Seaborn的pairplot函数可视化数据集
541.使用K均值估计器
542.通过主成分分析实现降维
543.选择最佳的聚类估计器
第15课 – 深度学习
544.课程概览
545.引言
546.深度学习的应用场景
547.深度学习演示
548.Keras相关资源
549.Keras内置数据集
550.自定义Anaconda环境
551.神经网络
552.张量
553.用于视觉处理的卷积神经网络；使用MNIST数据集进行多类别分类
554.Keras与深度学习中的可重复性
555.基本的Keras神经网络
556.加载MNIST数据集
557.数据探索
558.数字可视化
559.图像数据的重塑
560.图像数据的标准化
561.一热编码——将标签从整数转换为分类数据
562.构建神经网络
563.为网络添加层
564.卷积
565.在模型中添加Conv2D卷积层
566.第一个卷积层输出的维度
567.过拟合问题
568.添加池化层
569.再添加一个卷积层和池化层
570.使用Keras的Flatten层将结果转换为一维格式
571.添加密集层以减少特征数量
572.再添加一个密集层以生成最终输出
573.打印结果模型概要
574.可视化模型结构
575.编译模型
576.对模型进行训练与评估
577.在未见过的数据上评估模型
578.进行预测
579.找出错误的预测结果
580.可视化错误的预测结果
581.显示多个错误预测的概率值
582.保存与加载模型
583.使用TensorBoard可视化神经网络训练过程
584.ConvnetJS——基于浏览器的深度学习训练与可视化工具
585.用于处理序列数据的循环神经网络；使用IMDb数据集进行情感分析
586.加载IMDb电影评论数据集
587.数据探索
588.电影评论的编码与解码
589.数据预处理
590.构建神经网络
591.添加嵌入层
592.添加LSTM层
593.添加密集型输出层
594.编译模型并显示摘要信息
595.模型的训练与评估（共2部分，第1部分）
596.训练与模型评估（共2步，已完成2步）
597.深度学习模型的调优
第16课 – 大数据 – Hadoop、Spark，NoSQL与物联网
598.课程概览
599. 数据库简介
600.Apache Hadoop与Apache Spark简介
601.物联网简介
602.Experience Cloud及桌面端大数据软件简介
603.大数据数据源简介
604.关系型数据库与结构化查询语言（SQL）
605.数据库的操作
606.SELECT查询语句
607.WHERE子句
608.ORDER BY子句
609.从多个来源合并数据表格 – 内连接
610.插入语句
611.更新语句
612.删除语句
613.NoSQL与NewSQL大数据数据库简介
614.NoSQL键值型数据库
615.NoSQL文档型数据库
616.NoSQL列式数据库
617.NoSQL图形数据库
618.NewSQL数据库
619.案例研究：MongoDB JSON文档数据库
620.创建MongoDB Atlas集群
621.将推文流式导入MongoDB
622.Hadoop
623.Hadoop概述
624.使用MapReduce统计《罗密欧与朱丽叶》中单词的长度
625.在Microsoft Azure HDInsight中创建Apache Hadoop集群——第一部分
626.在Microsoft Azure HDInsight中创建Apache Hadoop集群——第二部分
627.Hadoop流处理
628.实现映射器功能
629.实现归约器功能
630.准备运行MapReduce示例程序
631.运行MapReduce作业
632.Spark概述
633.Docker与Jupyter Docker集成环境
634.使用Spark进行文字统计
635.在Microsoft Azure上使用Spark进行文字统计
636.Spark Streaming——利用pysparknotebook Docker集成环境统计Twitter中的标签
637.将推文以流式方式发送到套接字中
638.对推文中的标签进行汇总处理；介绍Spark SQL
639.物联网与仪表板功能
640.发布与订阅机制
641.使用Freeboard仪表板可视化PubNub的实时流数据
642.用Python模拟联网式恒温器，并使用Fr创建相应的仪表板
643.创建Python版的PubNub订阅程序
第18课 – 构建基于API的Python生成式AI应用
644.构建基于API的Python生成式AI应用 – 概述
645.注意：本课程仍在开发中
646.引言
647.OpenAI API
648.OpenAI API——OpenAI开发者账户与API密钥
649.通过Responses API进行文本生成 – 概述
650.文本摘要生成
651.文本摘要生成 – 生成式AI提示词练习
652.情感分析
653.视觉处理——可访问的图像描述
654.语言检测与翻译
655.语言检测与翻译——生成式AI提示词练习
656.代码生成
657.代码生成——其他AI代码功能
658.代码生成——生成式AI提示词练习
659.名词实体识别（NER）与结构化输出
660.名词实体识别（NER）与结构化输出——代码与提示词练习
661.语音识别与语音合成——概述
662.英文语音转文本功能，用于音频转写
663.英文语音转文本功能——生成式AI提示词练习
664.文本转语音功能
665.文本转语音功能——生成式AI提示词与编程练习
666.图像生成——概述
667. 图像生成——嵌入在图像中的元数据
668.图像生成——生成式AI提示词练习
669. 图像风格转换——概述
670.通过……实现风格转换Images API的编辑功能以及风格转换功能
671.利用Responses API的图像生成工具实现风格转换
672.图像风格转换——生成式AI提示词应用练习
673.从视频的音频轨道中生成字幕
674.内容审核
675. 内容审核——生成式AI提示词应用练习
676. Sora视频生成功能
677.结语
递归、搜索、排序与大O值
678.概述——递归、搜索、排序与大O值
679.阶乘
680.递归计算阶乘的示例——递归问题解决方法
681.递归计算斐波那契数列的示例
682.递归计算斐波那契数列的示例——复杂度问题
683.递归计算斐波那契数列的示例——通过记忆化提升递归效率
684.递归与……的比较迭代
685.搜索与排序
686.线性搜索
687.算法效率——大O表示法
688.算法效率——大O表示法——O(1)时间复杂度的算法
689.算法效率——大O表示法——O(n)时间复杂度的算法
690.算法效率——大O表示法——O(n^2)时间复杂度的算法
691.算法效率——大O表示法——线性搜索的时间复杂度
692.二分搜索概述
693. 二分搜索的实现方式
694.二分搜索的时间复杂度
695.排序算法
696.选择排序概述
697.选择排序的实现方式
698.选择排序的复杂度分析
699.插入排序概述
700.插入排序的实现方式
701.插入排序的复杂度分析
702.合并排序概述
703.合并排序的实现方式
704.合并排序的复杂度分析
705.复杂度总结
课程说明
706.课程说明 Python基础入门——第1部分
707.课程说明 Python基础入门——第2部分
708.课程说明 Python基础入门——第3部分
709.课程说明 Python基础入门——第4部分
710.课程说明 Python基础入门——第5部分
页:
[1]