使用 Python 快速开始机器学习

🔗 快速开始 PyTorch｜使用 Python 建立深度学习模型

1. 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
2. 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
3. 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

🔗 快速开始 TensorFlow2｜面向初学者的快速入门

1. 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
2. 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

1. 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
2. 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

1. 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
2. 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
3. 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
4. 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

1. 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
2. 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

1. 图片的各部分
   1.1 图片本身
   1.2 Axes
   1.3 Axis
   1.4 Artist
2. 绘图函数的输入类型
3. 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
4. artist个性化
   4.1 颜色
   4.2 线宽，线型和标记大小
5. 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
6. 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
7. 颜色映射数据
   7.1 色图
   7.2 标准化
   7.3 色条
8. 使用多个图形和轴

快速开始 seaborn｜入门 seaborn 数据可视化

1. 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
2. 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
3. 与 matplotlib 的关系