文章·AI 底层工程·2026年7月28日·阿新聊ai神经网络入门：从感知机到多层网络，通用近似定理，以及为什么需要深层TL;DR： 感知机是神经网络的最小单元——一个线性函数加一个阈值判断。单层感知机只能解决线性可分问题（连 XOR 都搞不定），但把多层感知机堆叠起来就能逼近任何连续函数——这就是通用近似定理。然而浅层网络要逼近复杂函数可能需要指数级的神…深度学习神经网络感知机
文章·AI 底层工程·2026年7月28日·阿新聊ai评估指标全解：准确率、精确率、召回率、F1、AUC ROC，以及什么时候看哪个TL;DR： 准确率在不平衡数据上会骗人——99% 的准确率可能只是因为你的数据里 99% 都是负样本。精确率关注"预测为正的有多少是对的"，召回率关注"实际为正的有多少被找到了"。F1 是两者的调和平均。AUC ROC 衡量模型区分正负…评估指标准确率AUC
文章·AI 底层工程·2026年7月28日·阿新聊ai什么是机器学习：监督/无监督/强化学习到底在做什么，什么时候该用哪个TL;DR： 机器学习是让计算机从数据中自动学习规律的方法。它分为三大范式：监督学习（有标准答案的学习）、无监督学习（自己发现规律）和强化学习（试错 + 奖惩反馈）。企业中约 80% 的 ML 应用是监督学习，但最先进的 AI 系统（如…机器学习基础监督学习
文章·AI 底层工程·2026年7月28日·阿新聊ai机器学习学习路径机器学习不要从 Transformer 开始。更合理的路线是先理解经典算法和数据思维，再进入深度学习、CV/NLP、训练工程和生产化。学习路径机器学习入门