SUMMARY.md

+   [Python 真实世界的数据科学](README.md)
+   [零、课程路线图和时间表](00.md)
+   [第一部分：Python 基础知识](sec1.md)
	+   [一、简介和第一步——深呼吸](01.md)
	+   [二、面向对象设计](02.md)
	+   [三、Python 对象](03.md)
	+   [四、相同的对象](04.md)
	+   [五、异常处理](05.md)
	+   [六、何时使用面向对象的编程](06.md)
	+   [七、Python 数据结构](07.md)
	+   [八、Python 面向对象的快捷方式](08.md)
	+   [九、字符串和序列化](09.md)
	+   [十、迭代器模式](10.md)
	+   [十一、Python 设计模式 I](11.md)
	+   [十二、Python 设计模式 II](12.md)
	+   [十三、测试面向对象的程序](13.md)
	+   [十四、并发](14.md)
+   [第二部分：数据分析](sec2.md)
	+   [十五、数据分析和库简介](15.md)
	+   [十六、NumPy 数组和向量化计算](16.md)
	+   [十七、Pandas 数据分析](17.md)
	+   [十八、数据可视化](18.md)
	+   [十九、时间序列](19.md)
	+   [二十、与数据库交互](20.md)
	+   [二十一、数据分析应用示例](21.md)
+   [第三部分：数据挖掘](sec3.md)
	+   [二十二、数据挖掘入门](22.md)
	+   [二十三、将 scikit-learn 估计器用于分类](23.md)
	+   [二十四、使用决策树预测体育获胜者](24.md)
	+   [二十五、使用亲和力分析推荐电影](25.md)
	+   [二十六、使用提升器提取特征](26.md)
	+   [二十七、将朴素贝叶斯用于社交媒体洞察](27.md)
	+   [二十八、使用图挖掘发现要关注的帐户](28.md)
	+   [二十九、使用神经网络击败验证码](29.md)
	+   [三十、作者归属](30.md)
	+   [三十一、新闻文章聚类](31.md)
	+   [三十二、使用深度学习分类图像中的对象](32.md)
	+   [三十三、使用大数据](33.md)
	+   [三十四、下一步...](34.md)
+   [第四部分：机器学习](sec4.md)
	+   [三十五、赋予计算机学习数据的能力](35.md)
	+   [三十六、训练机器学习分类算法](36.md)
	+   [三十七、scikit-learn 机器学习分类器之旅](37.md)
	+   [三十八、建立良好的训练集——数据预处理](38.md)
	+   [三十九、通过降维压缩数据](39.md)
	+   [四十、学习模型评估和超参数调整的最佳实践](40.md)
	+   [四十一、组合不同的模型以便集成学习](41.md)
	+   [四十二、使用回归分析预测连续目标变量](42.md)
+   [四十三、附录 A：答案](43.md)
+   [四十四、附录 B：参考书目](44.md)