周五的清晨，雨丝轻拂大地。我和女儿踏出家门，准备搭公车上班上学，履行先前的约定。突然心中闪过一个念头：出门的时间比以往晚了些，是否会赶上较晚的班车？车厢里是否会拥挤不堪？要不要改成自己开车呢？但转念一想，还是决定坚持搭乘公车，以身作则，传递坚持不懈的理念。

我们迈开步伐，在雨中奔向公车站。所幸公车并未让我们久候，很快就搭上了一班车。车上有些拥挤，女儿靠在我旁边，抓着我的手，心里觉得很踏实。不知不觉间，公车已经到站。我下车走到办公室，看了一下时间，才7:15！心里突然觉得很高兴，真是美好的一天！

机器学习的目的是通过数据找到一个函数，这个函数可以把输入映射到输出。例如，给定一张图片，这个函数可以把输入图片映射成对应的说明文字。

怎么样找到这个函数呢？机器学习的过程首先要设定模型的形式，以及使用的参数。一般模型多使用神经网络，而其中的参数则称为权重。一个大的模型，参数量可能很多，有些高达几十亿个，想要找到好的参数，人力无法胜任，所以就交给机器去运算，这个运算过程，就称为训练模型。

训练模型，也就是在找模型参数的过程。怎样的参数才算是好的呢？这需要有一个判断的标准。一般会使用一个损失函数，这个损失函数用来衡量模型的输出和希望得到的输出之间的差距，并根据这个差距给一个分数，而我们要想办法让损失函数的平均分数越小越好。