上個禮拜才剛從美國回來，周末又講了兩天整天的機器學習課程，完全忘記鐵人賽開賽的事情.......

這一系列文章將會專注在機器學習的模型上，會從傳統的機器學習模型一路介紹到深度學習的模型。
比起介紹個別的模型，我會更專注在模型的演化上，去比較不同模型的差異之處，或是不同模型之間的改進之處。
一系列的脈絡會讓讀者更了解數學模型的運作方式，以及數學運算上的意義。

我們的起點一樣是線性迴歸，接著會踩著感知器的腳步，一路走向 SVM。
在線性模型上，我們不只有線性迴歸，根據不同的誤差的分佈情形，我們有 logistic regression，還有 Poisson regression，然後走到廣義線性模型。
模型俱備，只欠網路。我們可以從既有的模型當中發現，當你把模型堆疊起來，會得到神經網路模型。
接下來，就會一一介紹在這五年內發展蓬勃的深度學習模型。

鐵人賽的文也會發佈在我自己的部落格中。

提醒：往後的文章訊息密度很高，建議讀者讀完一篇之後需要花時間思考及消化，如果沒有消化完就往下的話，很可能讀完三四篇之後就看不下去了。