这门课以 AI/机器学习面试经典题为线索，用线性回归串起高频考点：MSE 怎么用、训练集与测试集误差为何不一定谁大谁小、平方损失为何优于绝对值损失、梯度下降与学习率如何影响收敛、Mini-batch 怎样权衡方差与效率，以及过拟合、噪声冗余、回归系数能否解释为特征权重等易错点。它不是零散背题，而是帮你建立“概念—直觉—工程权衡—面试表达”的完整框架。适合准备 AI、机器学习、深度学习岗位面试的同学，也适合想系统夯实线性回归基础的学习者。学完后，你能更从容地回答基础追问，识别常见陷阱，理解模型训练中的关键选择，并形成简洁、可靠的面试回答思路。