Sie erhalten einen Datensatz mit Informationen über die Anzahl der Lernstunden von Studierenden und deren entsprechende Testergebnisse. Ihre Aufgabe ist es, ein lineares Regressionsmodell mit diesen Daten zu trainieren.

1. Wandeln Sie diese Spalten in PyTorch-Tensoren um und formen Sie sie so um, dass sie zweidimensional mit den Formen [N, 1] sind.
2. Definieren Sie ein einfaches lineares Regressionsmodell.
3. Verwenden Sie MSE als Verlustfunktion.
4. Definieren Sie den optimizer als SGD mit einer Lernrate von 0.01.
5. Trainieren Sie das lineare Regressionsmodell, um Testergebnisse basierend auf der Anzahl der Lernstunden vorherzusagen. In jeder Epoche:
   • Berechnen Sie Vorhersagen auf X_tensor;
   • Berechnen Sie den Verlust;
   • Setzen Sie den Gradienten zurück;
   • Führen Sie den Backward-Pass durch;
   • Aktualisieren Sie die Parameter.
6. Greifen Sie auf die Modellparameter (Gewichte und Bias) zu.