技術基礎
- 簡述人工智能、機器學習和深度學習之間的關系。
- 人工智能是一個廣泛的概念，旨在讓機器能夠模擬人類的智能行為。機器學習是人工智能的一個子集，它專注于開發算法和模型，讓計算機能夠從數據中學習規律并進行預測。深度學習則是機器學習的一個分支，它利用深度神經網絡來自動學習數據的特征表示，具有強大的特征提取能力，能夠處理復雜的非線性問題。
- 解釋梯度下降算法的原理。
- 梯度下降是一種優化算法，用于最小化損失函數。它的原理是沿著損失函數的梯度方向（梯度是函數變化最快的方向）的反方向更新模型的參數，以逐步降低損失函數的值。通過不斷地迭代這個過程，最終找到損失函數的最小值點，從而得到最優的模型參數。
機器學習
- 在機器學習中，過擬合和欠擬合是什么？如何解決過擬合問題？
- 過擬合是指模型在訓練數據上表現得很好，但在測試數據或新的數據上表現不佳，原因是模型過于復雜，學習到了訓練數據中的噪聲和細節，而沒有捕捉到數據的真實規律。欠擬合則是模型過于簡單，無法充分學習到數據中的規律，導致在訓練數據和測試數據上的表現都不好。
)
學習筆記)
