Python大学教程 面向计算机科学和数据科学(英文版)

本书提供了一种独特的方法来讲解Python编程入门，内容符合近期新的ACM/IEEECS和相关的计算课程倡议，以及由美国国家科学基金会赞助的数据科学本科课程。内容涵盖了近期新的主题和应用的覆盖面，模块化架构使教师能够方便地调整文本，适应课程需求。

第1章 计算机和Python简介
1.1 引言
1.2 硬件和软件
1.2.1 摩尔定律
1.2.2 计算机组成
1.3 数据层级
1.4 机器语言、汇编语言和高级语言
1.5 对象技术简介
1.6 作系统
1.7 Python简介
1.8 （语言）库
1.8.1 Python标准库
1.8.2 数据科学库
1.9 其他常见编程语言
1.10 试用：使用IPython和Jupyter tebook
1.10.1 将IPython交互模型用作计算器
1.10.2 使用IPython解释器执行Python程序
1.10.3 在Jupyter tebook中编写和执行代码
1.11 Internet和WWW
1.11.1 Internet：网际网
1.11.2 WWW：用户友善的Internet
1.11.3 计算和资源云
1.11.4 物联网
1.12 软件技术
1.13 大数据
1.13.1 大数据分析
1.13.2 数据科学和大数据案例研究
1.14 数据科学入门：大数据移动应用案例研究
第2章 Python程序设计简介
2.1 引言
2.2 变量和赋值语句
2.3 算术作
2.4 print函数、单引号字符串和双引号字符串
2.5 三引号字符串
2.6 从用户处获得输入
2.7 判断：if语句与比较作
2.8 对象和动态类型
2.9 数据科学入门：基本统计功能
2.10 小结
第3章 控制语句和程序设计
3.1 引言
3.2 算法
3.3 伪代码
3.4 控制语句
3.5 if语句
3.6 if...else和if...elif...else语句
3.7 while语句
3.8 for语句
3.8.1 迭代、列表和迭代器
……
第4章 函数
第5章 序列：列表和元组
第6章 字典和集合
第7章 使用NumPy进行面向数组的编程
第8章 字符串：进一步讨论
第9章 文件和异常
第10章 面向对象程序设计
第11章 计算机科学思维：递归、搜索、排序和大O表示法
第12章 自然语言处理
第13章 Twitter数据挖掘
第14章 IBM Watson和认知计算
第15章 机器学习：分类、回归和聚类
第16章 深度学习
第17章 大数据：Hadoop、Spark、NoSQL和 loT