以上就是今天笔记的内容，本文简单介绍了线性规划和非线性规划的总体实现思路和求解方法，线性规划和非线性规划在数学建模和机器学习中被广泛地应用，特别适合一些最优化方案的求解，线性规划和非线性规划的模型也有自身的局限性，总之善于利用不同模型的优势才能更加彻底的剖析事物背后的数学逻辑。

以上就是今天matplotlib库学习笔记的内容，本文简单介绍了matplotlib工具的使用，而matplotlib提供了大量能使我们快速便捷地绘制图像的函数和方法，值得更多深入的应用。

以上就是今天笔记的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法，继续学习pandas进阶

卷积神经网络（Convolutional Neural Network，CNN）在设计上受到了人脑视觉系统的启发，并具有一些与类人脑属性相关的特点。

Jetson Nano支持多种深度学习框架，如TensorFlow、PyTorch、Caffe和MXNet等，可以通过安装相应的软件包来进行深度学习模型训练和推理

层次分析法在数学建模中应用广泛，虽然它有自己的不足例如判断矩阵较为主观，最后的综合权重也带有主观性，但层次分析法非常适合评价类问题。当然如果我们定义的指标不同也会有不同结果，所以层次分析并无定论，不同的剖析问题的角度会给我们带来异样的惊喜！

Transformers 模型在自然语言处理（NLP）领域取得了巨大的成功，并在许多任务中取得了 state-of-the-art 的结果。后面研究人员也开始将其应用于计算机视觉（Computer Vision）领域，并取得了一些令人印象深刻的结果，像ViT（Vision Transformers）这种SOTA模型。

Transformers 模型在自然语言处理（NLP）领域取得了巨大的成功，并在许多任务中取得了 state-of-the-art 的结果。后面研究人员也开始将其应用于计算机视觉（Computer Vision）领域，并取得了一些令人印象深刻的结果，像ViT（Vision Transformers）这种SOTA模型。

以上就是今天pandas进阶笔记的内容，本次笔记相对较短，简单介绍了pandas的进阶使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法，有些方法值得我们深入探究和应用，继续学习matplotlib库。

机器学习的回归类模型中除了线性回归，还有逻辑回归，岭回归等等，这类模型主要用于预测类问题，模型的好坏要根据模型的精度来评判。