（gradient descent）是一种常用的一阶优化方法，是求解无约束优化问题最简单、最经典的方法之一。梯度下降法是迭代算法，基本思路就是先选取一个适当的初始值，然后沿着梯度方向或者负梯度方向，不停地更新参数，最终取到极小值。AUC值越大，模型区分正负类的能力越强，模型性能越好。（Feature Engineering）是机器学习过程中非常重要的一步，指的是通过对原始数据的处理、转换和构造，生

pytorch安装以及张量的创建及操作

标准线性回归任务：优先用传统机器学习线性回归，完全没必要用神经网络版线性回归

熟悉神经网络基本概念，以及掌握网络优化方法。

分步搭建神经网络，进行手机价格分类案例解析操作，并且在基础设计上进行优化。

CNN案例分析及搭建步骤实践

熟悉RNN原理，掌握RNNAPI的应用

一些基础的神经网络问题总结，后续逐步迭代。

一些使用方法分享：在使用帆软report的时候，除了会因为报表的数据量比较大而导致运行的速度特别的慢之外，也会出现一些其它的因素，例如在今天的时候，就出现了一个很大的问题突然无法连接数据库了，也找不到配置文件了潜在问题:我们的远程服务器是用虚拟机部署的，因此把系统以及帆软相关的文件都放在桌面上的，因此导致c盘满了，从而导致出现了一个问题就是报表加载不出来。因此在...

数据可视化