标签：神经网络

从一个神经元解释前向、损失、反向传播和优化，再理解 CNN、RNN、Attention 与 Transformer 的分工。

理解生物神经元与人工神经元的类比关系、神经网络的层次结构（输入层/隐藏层/输出层）、全连接层的含义，以及深度学习兴起的技术背景

通过"顾客选购苹果"案例，理解如何从多个逻辑回归的组合中自然引出神经网络，以及人工特征工程被自动特征学习取代的关键转变

理解神经网络中权重符号的命名规则、从逐神经元计算到矩阵乘法的转化过程、批量样本并行计算，以及 GPU 为何天然适合矩阵运算

矩阵计算、激活函数、softmax多分类与反向传播

从单个神经元的手算更新走到可验证的 MLP