剛開始接觸機器學習時，我一直在 google 搜尋裡努力的找尋教學資源。發現很多研究者都開放自己的研究跟程式碼，也錄製很多教學影片，資源之多，真是到了，不怕找不到，只怕你學不完境界。我東學一下西學一下，連學校圖書館裡 python 的書都被我借完一輪(不過很多沒有看啦！借心安的，實在沒空)。好像看懂了些東西又好像不懂。

一開始先不用忙著寫程式，跟惡補數學，雖然後面我們還是跑不掉。先來看看一點介紹類的影片，讓深度學習的概觀與一些基礎的東東先放進腦袋裡。優秀的教學真的太多，介紹一個很強大數學教學頻道 3Blue1Brown，之後我相信你會再回來看他的微積分跟線性代數。你知道的，機器學習其實本質也是數學。驚～

所以我們先來看看他的機器學習介紹第一集吧。這個系列教學讓我很有感覺，這是個介紹電腦視覺的起手式－手寫數字辨識，用深度學習來辦識手寫的0-9的原理影片。他用一些動畫將神經網路的運作視覺化，能很直觀的了解神經網路的運作。第一集只有19分鐘，而且有中文字幕很讚。

對了！當你看到下面這個畫面時，請不要關掉影片，他沒有要嚇你，只是帶過而己，不要怕。　

如果影片結束，你沒看到以下的東東，請重看一次。

• 神經元 (neuron)
• 激勵值 (activation)
• 激勵函數 (activation function)
• sigmoid函數 (sigmoid function)
• 偏置 (bias)
• 隱藏層 (hidden layer)
• 權重 (weight)
• 矩陣 (matrix)

好，第一集基本上是名詞解釋。

如果你還醒著，請直接看第二集(梯度下降，神經網絡如何學習)，這集會介紹神經網路是怎麼學習辨識出這些手寫數字的原理。第二集會稍微難一點，那個山谷高度圖有卡住我一下。

當你看到下面這個畫面時，請不要關掉影片，耐心看一下，可以懂的，撐住！

一樣，如果影片結束，你沒看到以下的東東，應該你就是睡著了，請重看一次。至於多變量微積分你就先當作沒聽到它吧，哈。

• 訓練 (train)
• 測試 (test)
• 手寫數字圖庫 (MNIST Database)
• 訓練資料的平均成本
• 成本函數的最小值
• 成本函數的局部最小值
• 梯度下降 (gradient descent)
• 反向傳播 (back propagation)
• 神經網路的限制
• Ｎielsen

這個系列的另外二集，有興趣可以看一下。不過今天就先這樣子吧，這二集的名詞已經夠忙一個星期了。希望你和我一樣在腦海中想到神經網路時會有動畫在跑。

最後，當你有認真看完這二集，你應該就看懂下面這個影片在幹麻了。

好，第３天，結束。