如果你曾疑惑单层感知机为什么连 XOR 都解决不了，又如何一步步走向多层感知机，这门课会给你清晰答案。课程从感知机与逻辑门出发，带你理解线性可分与异或问题的边界，再自然过渡到 MLP 的隐藏层、激活函数和非线性拟合能力。你不仅会看到公式，更会弄清前向传播、损失函数、梯度下降、反向传播与链式法则如何协同工作，Sigmoid、ReLU、Softmax、交叉熵、Adam 各自承担什么角色。课程还配套 TensorFlow/Keras 实战，在鸢尾花数据集上完成数据划分、one-hot 编码、5 折交叉验证、模型搭建、训练可视化和参数量计算，把抽象原理落到可运行代码中。适合有 Python 与机器学习基础、想入门神经网络和深度学习，或希望补齐反向传播原理的开发者与学习者。学完后，你能解释单层感知机的局限，理解 MLP 如何解决非线性分类，掌握参数更新与模型评估思路，并具备用 Keras 构建多分类神经网络的基础能力。