下面是一套 第 1 课 Exit Ticket，对应 0-lecture.md 的当前内容。建议把它当成一份“把 AI 地基重新搭一遍”的小练习，10 分钟够用。重点不是背定义，而是确认你有没有把机器学习、深度学习、感知机和训练这几件事连成一条线。

Exit Ticket（10 题，开卷）

1) 如果你要给一个新同学解释“机器学习”，你会怎么说

请用 2 句话回答：

• 机器学习和写死规则最大的不同是什么
• 为什么它本质上是在“从数据里找规律”

2) 监督学习和无监督学习，像不像两种不同的问法

请分别用一句短语解释：

• 监督学习在看什么
• 无监督学习在找什么

3) 为什么后来大家会走向深度学习

请用 2 到 3 句话回答：

• 传统机器学习卡住了什么
• 深度学习想补上什么能力

4) 感知机为什么是好起点

请回答：

• 感知机在做什么判断
• 为什么它能当成神经网络的起点

5) 激活函数到底在忙什么

请说明：

• 没有激活函数会怎样
• 为什么非线性这么重要

6) 从一个感知机到一个神经网络，中间多了什么味道

请用 2 句话回答：

• 多层结构带来了什么
• 它为什么比单层更有表达力

7) 训练为什么总要和损失函数绑在一起

请分别用一句短语解释：

• loss 在提醒什么
• 为什么训练的本质是不断把 loss 往下拉

8) 梯度下降、反向传播、学习率三者像什么关系

请用 2 到 3 句话回答：

• 梯度下降在做什么
• 反向传播帮了什么忙
• 学习率为什么会把训练搞得很敏感

9) 为什么还需要 SGD、mini-batch、dropout 和 early stopping

请任选 2 个回答：

• SGD / mini-batch 在解决什么训练现实问题
• dropout / early stopping 在防什么

10) 用一句话把这课的底色说出来

请尽量自然一点：

• 这一讲真正想让你理解什么
• 为什么它会是后面所有内容的地基