python教程，包括：python基础、numpy、scipy、python进阶、matplotlib、OOP、tensorflow、keras、pandas、NLP analysis.
在本Python教程包含了一些范例，涵盖了大多数常见Python日常脚本任务，是入门Python的学习资料，也可以作为工作中上手Python的参考实现。
| 目录 | 主题 | 简要说明 |
|---|---|---|
| 01_base | Python基础 | 提供了数据类型、字符串、list、条件判断、循环的使用例子。 |
| 02_advanced | Python高级特性 | 提供了切片、迭代、生成器、迭代器的使用例子。 |
| 03_oop | 面向对象编程 | 提供了多重继承、定制类、枚举类、设计模式的使用例子。 |
| 04_thread | 多线程 | 提供了多线程、多进程的例子。 |
| 05_web | Web开发 | 提供了Web框架、模板、Web API的使用例子。 |
| 06_database | 数据库 | 提供数据库（包括SQLite、MySQL、SQLAlchemy）使用例子。 |
| 07_data_science | 数据科学 | 提供了几个常用数据科学库（numpy、scipy、scikit-learn、pandas）的使用例子。 |
| 08_nlp | 自然语言处理任务 | 提供了NLP任务的模型使用的例子。 |
| 09_deep_learning | 深度学习库 | 提供了常用深度模型库（TensorFlow、PyTorch）的使用例子。 |
| 10_cv | 计算机视觉任务 | 提供了CV任务的使用例子。 |
| 11_speech | 语音识别任务 | 提供了语音识别任务的使用例子。 |
| 12_tool | 实用工具 | 提供了常用的实用工具，包括文件解析、微信机器人、统计脚本等例子。 |
- bAbi: 阅读理解任务
- 记忆网络（memory network）实现阅读理解任务
- RNN网络实现
- keras 应用
- 01.base: 认识keras变量
- 02mlp_multi_classification: 多层感知器多分类深度网络
- 03mlp_binary_classification: 多层感知器二分类深度网络
- 04vgg_conv: VGG，图像经典卷积网络结构
- 05lstm_classification: LSTM分类网络
- 06sequential: 序列模型，模型保存
- 07shared_lstm: 模型参数共享
- 08imdb_fasttext: fasttext网络结构实现二分类
- 09fasttext_multi_classification: fasttext的深度网络结构实现多分类
- 10seq2seq: 法语到英语的翻译任务，seq2seq模型
- 11lstm_text_generation: LSTM模型实现文本生成任务
- 12rnn_num_add: RNN网络学习三位数以内的加法运算
- 13rnn_num_multiplication: RNN网络学习三位数以内的乘法运算
文本特征分类
lr.py lr 文本分类
xgb.py xgboost 文本分类
xgb_lr.py xgboost 提取特征之间的关系，再用lr文本分类