什麼是 Supervise Learning ?

在 Machine Learning 的一環中，分成 Supervise Learning 以及 Unsupervise Learning，這邊我們先來討論甚麼是 Supervise Learning:

所謂的 Supervise Learning 就是將有明確 Label 過的 Input 拿去給我們的 Machine Learning Model 訓練，經由 Model 數學運算分出 Input 的特徵之後呢，產生相對應的 Output。

像這邊我們是拿 分類(Classification) 為例，我們將貓、狗、汽車及蘋果的圖像資料當作我們的 Input 去訓練，我們也明確告知 Model 每張 Input 所對應的 Label 為何，經過訓練之後呢，這個 Model 就知道什麼樣的影像所相對應的 Output 是屬於什麼類別了

假若今天我拿 貓 的圖片餵給這模型，我們也並未告訴 Model 我這個影像是貓，透過這已訓練完的模型分析這圖片具有那些特徵，就能夠產生這圖像所相對應的類別，也就是 cat ~

Two Stages in Machine Learning

Machine Learning 分成以下兩階段:

• Training (訓練)
• Inference (推理)

Training 也就是我們上述將 Label 過的資料拿去給模型訓練的階段

而 Inference 就是我們將 未Label 的圖像拿去給模型預測的階段，大多我們也稱之為 Predict

我們在進行 Machine Learning 時，我們往往都將大部分的心力放在 training 的階段，但其實在 Inference 階段如何去部屬我們的模型也是相當重要的，不然你辛辛苦苦 train 好的模型到最後不能給大家使用，那也是瞎忙一場 ~

現實生活中的 Machine Learning

上面的舉例可能讓你覺得 Machine Learning 不過就是拿來分類用的，跟我的生活好像也沒有太多的關聯，其實不然:

這邊我們就舉 Google 的服務為例，畢竟它是這場活動的乾爹~像我們天天在用的 Youtube，那些我們常常看到的 推薦影片就是 Machine Learning 的結果，當然還包括 Google Photo 幫你 自動分類圖片 的功能、Gmail 在信件中出現 建議回覆用語 的功能等等，像這一些 Machine Learning 的處理方法可能並沒有我上述的那麼簡單，但我想表達的是說像我們平常所使用的 App 或 網頁中一些習以為常的服務，都有可能和 Machine Learning 息息相關~

跳脫傳統思維，使用 Machine Learning 吧~

過去我們都在想，要怎麼寫出最好的 code ，才能解決所有 Error 的狀況，為了避免那些狀況的發生，我們必須考慮所有可能的 rule 來判斷，而這將是一個非常燒腦的過程。

因此，當我們擁有足夠的 Data，我們就交給 Machine Learning 來幫我們找這些惱人的 rule 吧，讓 Machine Learning 在 Data 中找出那些微小的特徵，而我們只需考慮如何拿這些 Data 訓練我們的 Model 就可以了，讓我們的 coding 的結果更加的自動化、個人化 !

善用 Google API 去整理 Data

無庸置疑，好的 Machine Learning Model 就需要好的 Data，Data又分成 結構化資料 及 非結構化資料，結構化資料是最完美的，類別幫你標記好，欄位分清楚的資料，但天不如人願，我們收到的資料往往都是雜亂無章、沒有序列可言，像是我們的聲音檔、新聞、Email......等，那這時我們要如何處理這些雜亂的資料呢?

可以使用 Google 一些 Pre-trained model 來協助我們將 data 轉換成結構化資料，以 Ocado 為例，它是一種訓練好的 NLP Model，它會將我們一般輸入的文字轉換成擷取重點的 json 檔，好讓我們做更進一步的分析