時間很快地來到了最後一天，30 天其實比我想像中的還要短許多．不例外地要來總結一下 30 天的學習成果以及心得，還有給各位想入門 tensorflow 的看倌們一些建議．

成果

這 30 天的學習方式是直接使用 tensorflow 刻出一個又一個模型，然後使用 MNIST 或是其他資料集來訓練．而這所有的訓練過程以及程式碼和說明，都放在我自己的 Github repo 上，連結如下，歡迎大家取用．其中這些過程都是寫成 ipyhon notebook 的檔案，如果有錯誤的地方再煩請指正，謝謝！之後還會繼續新增內容！

Github repo : Tensorflow 101

除此之外每一天的學習過程以及心得，也另外放在自己的 Tech blog 上，連結如下．在結束鐵人賽以後，這個 blog 仍會持續運作，之後我實現的模型也會寫成文章丟上去．

個人技術部落格 : Tech blog

(目前 30 天的內容還有部分尚未補全，持續努力中)

心得

學習方式

這幾天的學習方法如下

1. 上網找找 tensorflow 的各個模型 tutorials，看一下大略的介紹．
2. 照著刻一遍，以及利用資料集訓練模型．
3. 刻完之後，再找技術部落格或者論文來看．
4. 修改 tensorflow 模型
5. 寫技術文章

迥異於先理解數學的方式，可以說是從程式碼來理解這些模型在做什麼事，再深入了解理論．我覺得這樣的方式有一個好處是非常 hands on．雖然這些過程會花很多時間，但是刻過程式碼後，再接觸數學的部分會比較有感覺，以及對整個流程較為熟悉．

Github repo 以及 論文

在這段過程中，可以感覺到，現在 deep learning 是一個非常非常紅的研究，許多比較新的論文一出來，在 Github 上很快就會有網友實作出來論文的內容，重現論文的結果．因此如果想要學習這方面的知識，Github 加上 arxiv 就有無止盡的東西可以學習．

數學 非常 非常 重要！

照著 Github 上面的資源使用 tensorflow 重現模型不太算一件困難的事情，但是當要調教模型的時候就會非常需要用到數學．原因在於必須深入的了解模型的內容，才有辦法調整 (當然也可以就隨機亂調 hyperparameters)

好的設備？

這段時間遇到的問題就是我的筆電實在跑得好慢呀，很多想要做的事情都受限於在機體上面，有許多脫稿的日子都是這個原因 (藉口)

入門建議

1. 基本 python 就夠了，覺得重點在於機器學習相關的知識．
2. 基本的機器學習知識是非常重要的，我也是花了許多時間喚醒很久以前的記憶，建議可以先看林軒田大神的機器學習課程
3. 深度學習的知識，建議可以看李宏毅大神的機器學習影片，這段時間我主要看這些影片來了解觀念．
4. 數學！
5. 可以先練習用 tensorflow 把 repo Tensorflow 101 裡面的模型都刻一遍，就會比較有感覺．
6. 練習！練習！

感謝大家在這段鐵人賽的觀看，之後我會繼續修改 repo 以及 blog 上面的內容，來讓它更完善．然後感覺鐵人賽 30 天之後覺得這方面真的是滿有趣的，也會繼續寫些程式以及相關的技術文章．

鐵人賽第一次參賽 Done!