章 計算思維
1．1 計算思維基本概念及方法
1．1．1 計算思維基本概念
1．1．2 人類行為理解
1．1．3 抽像和分解
1．1．4 約簡與結構化設計
1．1．5 面向過程與面向對像
1．2 計算思維案例
1．2．1 梯形積分逼近
1．2．2 插值與離散積分
1．2．3 計算模擬
思考題

第二章 Python語言基礎
2．1 Python簡介
2．2 Python編程環境
2．2．1 Python資源
2．2．2 運行環境
2．2．3 Python的運算速度
2．2．4 Python程序轉換為exe文件
2．3 語言基本要素
2．3．1 基本數據類型
2．3．2 變量及常數
2．3．3 運算符
2．3．4 數據類型轉換
2．3．5 輸入輸出
思考題

第三章 流程自動化
3．1 流程分支
3．2 循環
3．2．1 for循環
3．2．2 while循環
3．2．3 應用實例——二分法求弱酸溶液pH值
思考題

第四章 函數——歸納與抽像
4．1 數學庫math
4．2 創建函數
4．2．1 自定義函數
4．2．2 變量的生存周期
4．3 遞歸函數
4．4 函數應用案例
4．4．1 二次方程的根
4．4．2 再求弱酸溶液pH值
4．4．3 遺傳算法尋找函數極值
思考題

第五章 類——更高層次的抽像
5．1 類分析
5．2 類定義及對像
5．3 對像引用
5．4 類的繼承
思考題

第六章 數據結構
6．1 序列：組
6．1．1 組定義
6．1．2 通用序列操作
6．1．3 列表操作
6．1．4 列表方法
6．1．5 對像列表與lambda表達式
6．1．6 列表遍歷
6．2 字符串
6．2．1 字符串序列操作
6．2．2 字符串對像方法
6．3 序列內建函數
6．4 字典
6．5 案例
6．5．1 信號平滑濾波
6．5．2 K近鄰（KNN）算法
思考題

第七章 存儲
7．1 文件
7．1．1 文本文件操作
7．1．2 綜合案例——數據分揀
7．1．3 Excel文件
7．2 數據庫
7．2．1 創建數據庫及表
7．2．2 數據庫更新
7．2．3 數據庫查詢
思考題

第八章 Python與計算求解
8．1 線性回歸建模與預測
8．1．1 矩陣與文件的輸入和輸出
8．1．2 矩陣的初始化與重組
8．1．3 矩陣算術運算
8．1．4 奇異值分解與主成分分解
8．1．5 矩陣奇異值分析的應用
8．1．線性回歸及案例
8．1．7 主成分回歸及案例
8．2 數據可視化
8．2．1 制圖基礎
8．2．2 二維圖及其制圖要素
8．2．3 三維圖制作
8．2．4 實測珠寶拉曼光譜圖制作
8．2．5 聯用儀器實測數據三維曲面圖
8．2．6 色譜-DAD三維曲面的等高線圖
8．2．7 鳶尾花分類模式顯示
8．3 優化與擬合
8．3．1 科學計算包scipy簡介
8．3．2 尋優
8．3．3 代數方程求根及方程組求解
8．3．4 曲線擬合
8．4 機器學習
8．4．1 機器學習的交叉驗證策略
8．4．2 支持向量機
8．4．3 貝葉斯分類
8．4．4 決策樹與隨機森林
8．4．5 變量重要性及變量選擇
8．4．6 空間降維及有效特征提取
8．4．7 小麥分類重要變量選擇
8．4．8 手寫數字識別
思考題
實驗
實驗一 梯形積分
實驗二 編寫函數
實驗三 類建設及基於類的程序搭建
實驗四 文件與對像列表
實驗五 矩陣運算—&mdas線性回歸
實驗六 制作二維圖
實驗七 三維曲面及等高線圖的制作
實驗八 非線性方程組求解
實驗九 Python數據庫操作
實驗十 機器學習與統計模式識別