感谢您能抽出几分钟时间来参加本次答题，现在我们就马上开始吧！
第1章：数据科学基础
1.1.1 数据的力量
1.1.2 数据科学的知识结构
1.1.3 数据科学的工作流程
1.1.4 数据科学与大数据
1.2.1 科学计算集成环境
1.2.2 Python编译环境
1.2.3 Jupyter Notebook
1.3.1 常用数据类型
1.3.2 流程控制
1.3.3 函数和方法库
第2章：多维数据结构与运算
2.1.1 一维数组对象
2.1.2 二维数组对象
2.1.3 创建多维数组的常用方法
2.2.1 基本算术运算
2.2.2 函数和矩阵运算
2.2.3 随机数组生成函数
第3章：数据汇总与统计
3.1.1 统计的含义
3.1.2 常用统计量
3.2.1 Series 对象
3.2.2 Series数据访问
3.2.3 DataFrame对象
3.2.4DataFrame数据访问
3.3 数据文件读写
3.4 数据清洗
3.5 数据规整化
3.6 统计分析
第4章：数据可视化
4.1.1 认识基本图形
4.1.2 pandas快速绘图
4.1.3 matplotlib 精细绘图
4.2.1 绘制常用图形
第5章：机器学习建模分析
5.1.1 机器学习与人工智能
5.1.2 Python机器学习方法库
5.2.1 回归分析原理
5.2.2 回归分析实现
5.2.3 回归分析性能评估
5.3.1 分类学习原理
5.3.2 决策树
5.3.3 支持向量机
5.4.1 聚类任务
5.4.2 K-means算法
5.4.3 聚类方法的性能评估
5.5.1 神经元与感知器
5.5.2 神经网络
5.5.3 神经网络分类实现
5.5.4 深度学习
第6章：文本数据处理
6.1.1 文本处理的常见任务
6.1.2 文本处理的基本步骤
6.2.1 中文分词
6.2.2 词性标注
6.2.3 特征提取
6.3.1 数据来源
6.3.2 构建文本分类特征训练集
6.3.3 模型训练与验证
第7章：图像数据处理
7.1.1 数字图像
7.1.2 数字图像类型
7.1.3 数字图像处理
7.2.1 Python图像处理库
7.2.2 图像基本操作
7.3.1 卷积神经网络
7.3.2 深度学习库Keras
7.3.3 用Keras实现图像分类