第一天，我先來說說為什麼要寫這系列的文章

利用這第一篇的時間，先講點跟主題沒關的東西。

工程師活在學習之中

網路上的學習資源很多，市面上的也有各種學習書籍，再說，坊間也有很多種課程可以去上。但到底哪一個才是適合自己的學習模式，我們自己必須非常清楚。我就是很習慣自己學自己喜歡的東西，像是技術、語言、栽培、跟烘焙。技術上的學習，我就列一些我所知的線上學習資源給大家，節省大家google的時間。

• Massive Open Online Course/MOOC:
  1. edx: 會用他是因為有看到LinuxFoundationX 在上面有一些免費課程，就註冊來邊看邊學。
  2. Coursera: 台大在上面開了滿多課的，想要中文版的課程的人上這邊可以考慮。
  3. udemy: 會用他是因為比較後知道他coding量比較重，學理論也要學些實用的東西，更能知道如何融會貫通。

我還無法說哪個好，因為我還沒開始上付錢課程，而且還有很多不在上面，像是Stanford Youtube，網路上搜尋MOOC會列出一堆大家的比較。

• 跟著大神學

  1. Google codelabs: 這裡面有很多sample code，Android, Flutter, Web...都有
  2. ai.google: 這是這次的主題，我跟著其中一個part學Machine Learning
  3. Facebook AI: 上面介紹了Google就不能忘了Facebook，他們也有自己的教學網站。

• 跟著發表會

  1. Google I/O: 每年都有兩次的Google I/O，都會發表Google在這一年裡新研發或新推出的技術，可以看自己想看的、或有興趣的主題，都有一系列的talks.
  2. Facebook F8: Facebook也有新技術分享會，裡面也是應有盡有的新技術、新應用。
  3. Apple WWDC: 蘋果也有自己的開發者大會，說實在這比發表會還吸引我啊，哈哈。

• 跟著各種conf
  我是很少跟著conf學新技術，我比較不是某個技術的狂熱分子，比較喜歡新的技術跟技能，所以就比較少碰這塊了。

跟著google學ML

顧名思義，我是看著google的Machine Learning課程來學的，內容都在這裡，算了一下也差不多30個topic，應該就是每篇一個主題，30天學完這個tutorial。
我不是這領域的專家，大學學的也都還給老師了，而且大學時期也沒有TensorFlow, 要翻譯專有名詞可能沒辦法，我也是照我自己的理解方式去敘述，到時候也歡迎大家指教了。