完善了what-is-llm的content

docs/basics/machine-learning.md

@@ -11,7 +11,7 @@
 <div style="position:relative;z-index:1;">
 <span style="display:inline-block;padding:0.18rem 0.55rem;border-radius:999px;background:rgba(255,112,67,0.16);color:#e65100;font-size:0.78rem;font-weight:700;letter-spacing:0.02em;">AI 基础 · 第 2 站</span>
 
-机器学习（Machine Learning）就是让计算机从例子里找规律，而人不用一条一条写规则。
+<strong>机器学习（Machine Learning）</strong>就是让计算机从例子里找规律，而人不用一条一条写规则。
 
 <div markdown="1" style="display:grid;grid-template-columns:repeat(auto-fit,minmax(9rem,1fr));gap:0.75rem;margin-top:1rem;">
 <div style="padding:0.8rem;border-radius:0.75rem;background:var(--md-default-bg-color);border:1px solid var(--md-default-fg-color--lightest);">
@@ -349,37 +349,37 @@
 ??? example "🎯 Teachable Machine —— 训练你自己的图像分类模型"
 
     **地址**：[teachablemachine.withgoogle.com](https://teachablemachine.withgoogle.com/)
 
     用摄像头拍几张照片作为「类别 A」，再拍几张作为「类别 B」，几秒钟就能训练出一个能区分它们的 AI。
 
     **背后的技术**：迁移学习（Transfer Learning）。AI 已经在海量图片上预训练过，你只需要提供少量样本就能让它识别新类别。
 
     **试试看**：分别拍「举手」和「不举手」两组照片，然后用举手来控制网页播放/暂停。体会一下「少量数据就能训练」是什么感觉。
 
 ??? example "📊 TensorFlow Playground —— 可视化神经网络如何学习"
 
     **地址**：[playground.tensorflow.org](https://playground.tensorflow.org/)
 
     在网页上直接调整神经网络的层数、神经元数量、激活函数，然后点击播放，看模型如何一步步学会分类数据点。
 
     **背后的技术**：前馈神经网络 + 反向传播。
 
     **试试看**：先把隐藏层从 2 层改成 6 层，观察训练速度和效果的变化。这就是「模型越深越强，但也越容易过拟合」的直观感受。
 
 ??? example "🏠 Kaggle 房价预测竞赛 —— 真实数据集练手"
 
     **地址**：[kaggle.com/competitions/house-prices-advanced-regression-techniques](https://www.kaggle.com/competitions/house-prices-advanced-regression-techniques)
 
     这是 Kaggle 上最适合新手的竞赛之一。你会拿到一套房价数据（面积、地段、房间数等），目标是预测成交价。
 
     **试试看**：不用急着写代码。先打开数据文件看看有哪些列，试着凭直觉判断哪个特征对价格影响最大。
 
 ??? example "🔍 Quick, Draw! —— 让 AI 猜你画什么"
 
     **地址**：[quickdraw.withgoogle.com](https://quickdraw.withgoogle.com/)
 
     你有 20 秒时间画一个物体（猫、自行车、杯子……），AI 会实时猜你画的是什么。
 
     **背后的技术**：神经网络图像识别。AI 从数百万张简笔画中学会了「猫大概长什么样」的模式。
 
     **试试看**：故意画得潦草一点，观察 AI 还能不能认出来。想想：为什么 AI 猜得比普通人还准？