qq_43751122的博客

今天是办公三件套中使用的较多的word文本，教程也是分为基本命令以及最后的编程实践，经过前面几天的学习我觉得最关键的还是要以掌握库中特殊对象的属性，各自的函数用法为主，我将选择一些我觉得常用的方法，模块记录下来。 基本知识 docx基本结构 Word文档结构分为： 文档-Document 段落-Paragraphy 文字块-Run 在 python-docx 中，run是最基本的单位，每个run对象内的文本样式都是一致的，也就是说，在从docx文件生成文档对象时， python-docx 会根据样式的变化

Python与excel 在安装openpyxl包之后，我们能够利用Python实现对表格文件的各项操作，本次的任务依旧偏编程实践性，所用的方法不难，关键在于掌握调用openpyxl的方法，具体的语句可以记住常用的，用到时候再查不熟悉的也可以。 由于内容多，仍然利用思维导图的方法来组织学习内容。 读入 写入 样式设计 练习题部分 本次练习题均提供了参考程序，感谢Datawhale成员的悉心付出 题1 找出用户行为偏好.xlsx中sheet1表中空着的格子，并输出这些格子的坐标 from openpyx

       本次的任务1关注Python的一些文件操作，以及最后的用Pyhton发送邮件，个人认为目前电子邮件的使用并不多，所以这部分内容仅作了解，我们重点关注Python的一些文件操作。 文件自动化操作        本次的文件操作学习分为前面的基础部分，以及后续的一些应用部分，通过文件操作的学习，我们基本能够完成文件的打开，写入，创建等一些简单的工作，使用程序的优点在于可以批量的处理重复的任务，基本操作就是利用OS库来完

写在正文前：很开心自己能将所有的任务全部完成，并非计算机专业的我通过李老师的视频和Datawhale提供的笔记，也能简单的入门机器学习，期待下一次的组队学习！ 李宏毅机器学习Task07 本次的任务是对所学的一个总结，我并不想长篇大论，仅仅针对每一个任务写一些总结，在完成所有任务之后，再往前回头看看，或许有新的发现。 Task01机器学习简介 通过本次任务，我学习到了机器学习在不同情景下有着不不同的表现形式，我觉得最精华的是这一张图片 它系统的介绍了机器学习在各种情景下的应用，比如有明确数据的监督学习，其

写在正文前：卷积神经网络早有耳闻，但是本次的任务我觉得是我到现在为止最难理解的，这3天的时间我觉得仅仅能够看个皮毛，很多内部的东西都没搞懂。 卷积神经网络 图像识别中的卷积神经网络 图像识别问题：输入一张图片，将这张图片表示成里面的像素，也就是很长很长的向量，然后输出这种图片的类型。 根据神经网络的特性，我们期待说每一层都在做一种分类，比如说第一层的神经元完成最简单的分类工作，比如有没有颜色，有没有黄色，有没有斜条纹，第二层的工作比第一层复杂一些，然后依次第三层要更复杂，最后逐步输出结果。 如果我们依然用

李宏毅机器学习Task05 梯度下降法的困难 本次重点关注神经网络算法中在用梯度下降法寻找最佳的那个f∗f^*f∗时，如果梯度为0其实意味着是一个极值点，并不一定是一个最值点，基本的情况可以分为鞍点，和极值点，如图所示（左为鞍点，右边为极小值点） 多维情况下的泰勒展开 损失函数在一组向量下的值可以用附近的近似为： L(θ)≈L(θ′)+(θ−θ′)Tg+12(θ−θ′)TH(θ−θ′) L(\bm\theta)\approx L(\bm\theta')+(\bm\theta-\bm\theta')^T \

李宏毅机器学习Task04 本次任务关注的是机器学习中的深度学习情景，

李宏毅机器学习Task03 本次任务依旧关注回归问题，涉及到一些概率和微积分的内容，大体上都能听懂在讲些什么。 误差 误差有两个来源：偏差与方差。 偏差 偏差描述的是根据样本拟合出的模型的输出预测结果的期望与样本真实结果的差距，简单讲，就是在样本上拟合的好不好。要想在偏差上表现好，就要将模型变得复杂一些，增加参数，但是这样容易过拟合。 偏差大的时候，我们首要考虑的问题就是去改进自己的模型，以宝可梦为例就是除了进化前的CP值，还要考虑一些高度重量等数据，此时去收集更多的数据其实意义并不大。 方差 方差描述的是

李宏毅机器学习Task02 本次任务重点关注机器学习在回归问题中的应用，李老师很接地气的采用预测宝可梦CP值的例子，讲课生动的同时让我上手体验了机器学习的一般步骤。 回归 在统计学中，我们其实已经接触过回归的概念，回归的任务就是找到一个能够针对输入，准确预测出输出值的函数。 回归举例 问题描述 在PokemenGo这款游戏中，有很多不同的宝可梦，我们可以收集材料进化宝可梦，CP值作为衡量宝可梦能力的重要指标也会随着进化而提高，本次的任务就是预测进化之后的宝可梦的CP值。当输入只有一个参数时为一元输入问题，当

李宏毅机器学习–Task1 ​ 很开心能够参加Datawhale十月组队学习活动,今天起我将在CSDN上发布我的李宏毅机器学习课程学习笔记。 AI人工智能与ML机器学习 ​ 近几年AI概念十分潮流,政府,企业都在大力推广AI,身为一个初学者,我认为,弄清楚AI的概念,理清学习路线是现在应该干的事情 虚假的机器学习 ​ 有公司号称自己的产品是拥有人工智慧的机器人,然而掰开了揉碎一看,里面是耗费众多工程师制订出的规则,里面是众多复杂 if 的嵌套,除了耗费的精力要大一些,并没有什么技术含量.这种AI,并不是我们