机器学习之Python、Linux、Git、Tensorflow、Pytorch入门教学大纲

0. 学习方法论
1. 环境搭建
   1.1 Centos 7安装显卡驱动、cuda、cudnn、tf、pytorch
2. Python基础
   2.1 Python运行环境(Jupyter Notebook)
   2.2 Pycharm使用图解
   2.3 Python编程规范
   2.4 Python基本语法
   2.5 Python函数
   2.6 Python面向对象
   2.7 Python文件操作
   2.8 Python正则表达式
3. 数据处理常用库Numpy
   3.1 Numpy上
   3.2 Numpy下
4. 数据处理常用库Pandas
   4.1 Pandas Series
   4.2 Pandas DataFrame
5. Linux常用命令
6. Python爬虫
7. 代码练习
   7.1 Python代码练习
8. Python数据分析
   8.1 数据分析实例一：批量统计excel文件
   8.2 数据分析实例二：处理mdb和csv文件
9. Tensorflow 2
   9.1 TensorFlow 2 Hello world: 构建最简单的神经网络
   9.2 TensorFlow 2 实现线性回归和非线性回归
   9.3 TensorFlow 2 对MNIST数据进行分类 ，包括层数加深、Dropout、正则化、CNN、RNN的使用
   9.4 TensorFlow 2 保存、读取、绘制模型
10. Pytorch
    10.1 PyTorch的介绍和安装
    10.2 PytTorch和Numpy之间的关联
    10.3 PyTorch数学运算
    10.4 PyTorch的自动求导
    10.5 PyTorch实现逻辑回归
    10.6 简单网络在Numpy和PyTorch上的实现
    10.7 多层简单神经网络在PyTorch中的实现
    10.8 PyTorch实现正则化和Dropout
    10.9 PyTorch实现神经网络优化方法
    10.10 PyTorch使用CNN对手写数字进行识别
    10.11 Word2Vec在PyTorch中的简单实现
    10.12 语言模型在PyTorch的简单实现
11. Git和Github

  该课程是本人自主设计开发的，曾经帮助过三个非计算机学科的同学进入算法行业就业，为了帮助更多的同学，特意将其整理为专栏文章，希望订阅专栏的同学都能够有所收获。等把该专栏学的八九不离十，就可以尝试参加AI比赛。希望热爱比赛的同学能早日找到属于自己的天池。

  注：该课程中涉及到的Python版本为3，课程内容会持续更新。