要点拓扑

%%{init: {'theme':'dark'}}%%
mindmap
 root((本文拓扑-1))
  AutoML
   管道
    顺序
     图像分类ResNet模型
    图形结构
     合成数据集DenseNet模型
   自定义搜索空间
    深度学习模型
    影子模型
   AutoKeras
    多类图像分类 
    文本分类
    结构化数据
     分类和回归
    多标签图像分类
   KerasTuner
   数据并行
  机器学习
   超参数
   搜索算法
   机器学习管道
   深度学习
    TensorFlow / Keras
     多层感知器
      案例1:房价预测
     卷积神经网络 
      案例2:分类手写数字
     递归神经网络
      案例3:电影回顾分类
  代码编辑器
   Jupyter notebooks
   Google Colaboratory
  Python
   数据处理
    探索性数据分析
     scikit-learn
     pandas
   特征工程
    matplotlib
    seaborn
   机器学习模型算法
    线性回归模型
    决策树模型
    机器模型
     网格搜索
      NumPy
      scikit-learning
      Matplotlib

AutoKeras 拓扑

%%{init:{'theme':'dark'}}%%
mindmap
 root((本文拓扑-2))
  Python
   NumPy
   Matplotlib
   tensorflow
  AutoKeras
   模型
    分类器和回归
     案例1:MNIST识别
   卷积神经网络
    分类器和回归
     案例2:CIFAR-10 图像数据集
   递归神经网络
     分类器和回归
     案例3:垃圾邮件检测器
     案例4:新闻热点预测
   结构化数据
    分类器和回归
     案例5:预测事故存活率
     案例6:预测房价
   自然语言处理
    分类器
     案例7:情绪分析器
   分类器
    案例8:话题分类
  TensorBoard
   ClearML

要点

1. 常规机器学习：scikit-learn示例探索性数据分析和数据预处理，线性回归，决策树
2. 图像分类ResNet模型示例，合成数据集DenseNet模型示例
3. 绘图线性回归和决策树模型
4. 使用Python工具seaborn、matplotlib、pandas、scikit-learn进行特征分析，数据处理
5. Tensorflow和Keras实现多测感知器、卷积神经网络CNN和递归神经网络RNN及应用示例
6. AutoKeras案例实现：新闻热点预测、垃圾邮件检测、CIFAR-10图像分类、事故率、MNIST识别、话题分类、情绪分析

梗概

https://embed.notionlytics.com/wt/ZXlKM2IzSnJjM0JoWTJWVWNtRmphMlZ5U1dRaU9pSlhiRWhvWlV4VVQxbHNjMlZYV2tKbU9URndaU0lzSW5CaFoyVkpaQ0k2SWpjME4yWmpNbVpqTVRreFl6UmtaRE5pTm1SaVpqRTBNVFkzT1RJMlpUVTNJbjA9