记录人工智能相关的基础概念与学习要点，涵盖机器学习、深度学习和强化学习。

• 机器学习入门：从数据到模型

  机器学习 · 特征、标签与训练流程

• 模型评估：过拟合与数据泄漏

  机器学习 · 数据划分、指标与泛化

• 神经网络：前向传播与反向传播

  深度学习 · 激活函数、梯度与参数更新

• 卷积神经网络：怎样提取图像特征

  深度学习 · 卷积核、通道与感受野

• 强化学习入门：状态、动作与奖励

  强化学习 · 回报、策略与 Q-learning