1样本要有代表性
想调查全校近视率，怎么选人才合理？
计算机原理 · 小纸条
选一章打印。双面打印（按长边翻页）后沿虚线剪开，每张卡片正面题目、背面答案。
第 1 页 · 正面（题目）
2幸存者偏差
为什么"我认识的人都说这个游戏好玩"不可靠？
3什么是特征
判断一封邮件是不是广告，可以用哪些特征？
4特征比算法重要
只用"邮件长度"判断广告邮件，效果会怎样？
5分类问题
再举两个分类问题。
6回归问题
"预测考试分数"和"预测能否及格"分别是哪类？
7训练与预测
训练用的数据和预测的对象，有什么关键区别？
8训练集与测试集
为什么用训练数据测出来的成绩不可信？
9过拟合
过拟合的典型表现是什么？
10欠拟合
训练和测试成绩都很低，是过拟合还是欠拟合？
第 2 页 · 正面（题目）
11刚刚好最难
这和学习方法有什么相通之处？
12准确率不够用
这种情况该看什么指标？
13宁可错杀还是宁可放过
安检宁可错杀还是宁可放过？为什么？
14基线
预测明天下不下雨，最笨的基线是什么？
15神经网络是什么
它和我们学过的"函数嵌套"有什么相似？
16参数与权重
训练前的权重是什么样的？
17怎么知道错了多少
损失降到 0 是不是就完美了？
18一步步下山
步子迈太大会怎样？太小呢？
19算力从哪来
这和 CPU 有什么分工差别？
20数据、算法、算力
为什么几十年前有神经网络的想法却没做成？
第 3 页 · 正面（题目）
21语言模型在做什么
这和手机输入法的联想有什么相似？
22它不是在查资料
为什么"说得很有条理"不代表"说得对"？
23一本正经地胡说
如果 AI 给你一个参考文献，你该做什么？
24会用工具的人
什么情况下你能放心用它，什么情况下必须小心？
25提问的质量
把"帮我写个程序"改成一个好的提问。
26偏见从哪来
招聘数据里过去很少女性工程师，模型可能学到什么？
27谁来负责
为什么"AI 说的"不能作为免责理由？
28该不该用
用 AI 帮你理解题目 vs 直接抄答案，区别在哪？
29隐私与数据
哪些内容不该输入到网上的工具里？
30推荐算法
这个"圈子"有什么风险？