iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 1
2

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。


下一篇
[Day 2] 事前準備 (Prerequisites and prework)
系列文
跟著Google學ML30

尚未有邦友留言

立即登入留言