计算机堪称是人类历史上最伟大的发明，其强大的计算能力帮助人类在诸多领域实现了重大突破。但是，「机器能思考吗？」，图灵在 1950 年提出了这个问题，并给出了一个测试方案，即著名的图灵测试。经过近 70 年的研究与探索，今天，人工智能已经不仅仅是计算机科学家们研究的问题，它已经开始影响人们的生活，甚至将变革整个社会的发展。
通过传统的编程方式，没有哪个程序员可以设计出一个识别「猫」的程序，但是，通过机器学习可以有效解决这个问题。可以说，机器学习是解决这类问题的一个非常棒的思路。随着产业的发展，也有很多同学或者开发者开始转向机器学习领域，相信大家在入门的时候经常可以看到，N 行代码实现 ** 之类的文章，只要认真跟着做，几乎都可以获得预期的结果。
我认为这些看起来很简单的代码，要归功于 TensorFlow、PyTorch、Caffe 等机器学习框架，正是框架为我们实现了计算图的构建、正向传播的计算、反向传播中的自动求导，以及各种内置优化算法。这些框架在为我们学习说使用带来便利的同时，也屏蔽了一些需要深入理解的知识，使得我们像一个脚本小子，甚至觉得机器学习就是调调参数，改改网络结构。
本系列笔记的目标是基于 NumPy、SciPy 等基础的 Python 库来实现一个机器学习框架，深入理解机器学习框架中各种算法的处理。