1线性回归：第一个能算出来的模型
用 y = wx + b 给两组输入算出预测值，并向家长解释 w 和 b 各是什么。
第 1 页 · 正面（题目）
2逻辑回归：把分数变成概率
给定三个概率和一个门槛做分类判断，再说说调低门槛会发生什么。
3感知机：一个神经元长什么样
用加权求和 + 阈值亲手算一次神经元的输出，并调整一个权重看结果怎么变。
4激活函数：给模型加个弯
口算一组数经过 ReLU 的结果，并用「单向阀门」向家长解释它。
5多层感知机：叠起来的威力
画一个三层小网络并数清它的权重条数，说说隐藏层在学什么。
6反向传播：错误怎么传回去
用接力复盘的类比讲清反向传播，并说出它和梯度下降的分工。
7Softmax 与交叉熵：多分类的标配
说出 Softmax 的两个作用，并解释交叉熵为什么只关心正确答案的概率。
8别只看准确率：评估模型
用给出的数字算出精确率和召回率，并说一个「宁错杀不放过」的场景。
9从机器学习到深度学习：下一段地图
向家长讲清深度学习「深」在哪、爆发靠哪三股东风。