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

1. Diese Spalten in PyTorch-Tensoren umwandeln und so umformen, dass sie zweidimensional mit den Formen [N, 1] sind.
2. Ein einfaches lineares Regressionsmodell definieren.
3. MSE als Verlustfunktion verwenden.
4. Den optimizer als SGD mit einer Lernrate von 0.01 definieren.
5. Das lineare Regressionsmodell trainieren, um Testergebnisse basierend auf der Anzahl der Lernstunden vorherzusagen. In jeder Epoche:
   • Vorhersagen auf X_tensor berechnen;
   • Den Verlust berechnen;
   • Den Gradienten zurücksetzen;
   • Den Backward-Pass durchführen;
   • Die Parameter aktualisieren.
6. Auf die Modellparameter (Gewichte und Bias) zugreifen.