🔗 快速开始 PyTorch｜使用 Python 建立深度学习模型
- 认识 PyTorch
1.1 Torch 与 PyTorch
1.2 安装 PyTorch
1.3 验证安装并查看 PyTorch 版本 - PyTorch 深度学习模型的建立范式
2.1 准备数据
2.2 定义模型
2.3 训练模型
2.4 评估模型
2.5 做出预测 - 为预测任务建立 PyTorch 深度学习模型
3.1 建立二分类任务的多层感知机模型
3.2 建立多分类任务的多层感知机模型
3.3 建立回归任务的多层感知机模型
3.4 建立图像分类的卷积神经网络模型
- 认识 TensorFlow
1.1 什么是 TensorFlow
1.2 安装 TensorFlow【Bohrium 中可直接运行，无需安装】
1.3 验证安装并查看 TensorFlow 版本 - TensorFlow 方法
2.1 加载数据集
2.2 构建机器学习模型
2.3 训练并评估模型
🔗 快速开始 Scikit-Learn｜使用 Scikit-Learn 建立机器学习模型
- 认识 Scikit-Learn
1.1 什么是 Scikit-Learn
1.2 安装 Scikit-Learn【Bohrium 中可直接运行，无需安装】
1.3 验证安装并查看 Scikit-Learn 版本 - Scikit-Learn 方法
2.1 提供数据集
2.1.1 自建数据集
2.1.2 使用 Scikit-Learn 提供的数据集
2.2 数据预处理
2.2.1 归一化
2.2.2 标准化
2.3 快速划分数据集
2.4 特征选择
2.4.1 过滤法
2.4.2 包装法
2.4.3 嵌入法
2.5 建立模型
2.6 评价指标
2.6.1 平均绝对误差 MAE
2.6.2 均方误差 MSE
2.6.3 决定系数 R
2.7 交叉验证
2.8 参数优化
🔗 快速开始 NumPy｜了解 NumPy 的数组并实现常用的数组操作
- 基础知识
1.1 数组创建
1.2 打印数组
1.3 基本运算操作
1.4 索引、切片和迭代 - 形状操控
2.1 改变数组的形状
2.2 不同数组的堆叠
2.3 将一个数组分成几个小数组
2.4 副本和视图
2.5 广播规则 - 进阶索引和索引技巧
3.1 用索引数组进行索引
3.2 布尔数组索引
3.3 ix_()函数 - 技巧和提示
4.1 自动reshape
4.2 矢量叠加
4.3 柱状图
🔗 快速开始 Pandas｜了解 Pandas 的数据结构并实现常用的表格操作
- 认识 Pandas
1.1 什么是 Pandas
1.2 安装 Pandas【Bohrium 中可直接运行，无需安装】
1.3 验证安装并查看 Pandas 版本 - Pandas 方法
2.1 创建对象
2.2 查看数据
2.3 选择数据
2.4 缺失值操作
2.5 操作数据
2.6 合并表格
2.7 数据分组
2.8 改变数据结构
2.9 时间序列
2.10 分类数据
2.11 绘图
2.12 读取与导出数据
🔗 快速开始 matplotlib｜广泛使用的 Python 数据可视化模块
- 图片的各部分
1.1 图片本身
1.2 Axes
1.3 Axis
1.4 Artist - 绘图函数的输入类型
- 编码风格
3.1 显式与隐式接口
3.2 创建辅助函数
3.3 ix_()函数 - artist个性化
4.1 颜色
4.2 线宽，线型和标记大小 - 图片标签
5.1 轴标签和文本
5.2 在文本中使用数学表达式
5.3 注释
5.4 图例 - 轴刻度与标记
6.1 刻度
6.2 标记定位器和构建器
6.3 绘制日期和字符串
6.4 额外的Axis对象 - 颜色映射数据
7.1 色图
7.2 标准化
7.3 色条 - 使用多个图形和轴
- 认识 seaborn
1.1 什么是 seaborn
1.2 安装 seaborn【Bohrium 中可直接运行，无需安装】
1.3 验证安装并查看 seaborn 版本 - seaborn 方法
2.1 快速入门示例
2.2 用于统计图像
2.2.1 统计估计
2.2.2 分布表示
2.2.3 分类数据的图表
2.3 复杂数据集的多元视图
2.4 默认风格和灵活的定制 - 与 matplotlib 的关系