是的，我在coursera上的第一堂課就遲到了...

怎麼回事? Well... 我剛開始其實也不清楚XD
coursera上我根據[ML Study Jam 機器學習培訓計劃 - 進階]的報名和報名成功的回信引導，成功的註冊了
[Machine Learning with TensorFlow on Google Cloud Platform]
[Advanced Machine Learning with TensorFlow on Google Cloud Platform]
這兩門課程，信件還特別提醒該去註冊連結的網址，並要記得退訂10月後的課程訂閱，避免30天後會向我收取課程的訂閱費用。

好的，回到我今天的挑戰吧!從訂閱課程中的前者(ML with TF on GCP)開始嘗試，兩門課程主要就是像概論與實務操作間的關係，先聽聽人家想跟我這位學生想說什麼。恩，訂閱的實際上是前者中五門課程的第一堂[How Google does Machine Learning]，基本上內容先從介紹Google自家產品起手，畢竟拿人手短，吃人嘴軟，被推銷一下也是合情合理，何況也確實是好東西就是了，但是! 有簡單的選擇題考試(Quiz)，而截止時間是9/2號，這不是昨天嗎 = =|||

好，還同時是有5個考試都逾時了，感覺像同學們都開始上課一周而我才頭一次踏進門阿，看來因為我是8/26號就向Google報名這課程，想說同這裡的鐵人挑戰一起處理，就不知不覺間遲到一周了，不要緊在9/9前都不會關閉課程，皮繃緊點開始追~
(教授說全英文授課且下周上課前可以補交的概念)

簡單提點一些我手抄筆記上的內容:
1.How Google does ML
提及比起直接去操作TensorFlow而言，更多更多的人回來看這系列課程想講的Strategy，我們需要更大的目光來看待使用Machine Learning該有的策略

2.ML module works well in experiments fail miserably in production
為什麼會發生ML在實驗表現很好，卻在實務上很糟糕呢? 答案是dataset很重要，花時間去了解跟消化它，然後進步吧!

3.end-to-end on ML
實際上是相對有難度的部分，所以這部份的課程被拆分到了[Advanced Machi...]，可能保留到我上那部分的課程再理解吧，簡單說它在探討如何實務應用

4.AI first
Google 舉例了很多他們的服務是怎麼應用ML的，為此更要從根本上介紹幾個概念，像AI之於ML相似物理之於牛頓定律，ML同樣被解釋為新的程序設計(programing)方法而不是需要提及data才能解釋，ML取代了我們在程式設計定義的規則

差不多這幾點，其實略過了許多挺有趣的概念，不過我想這在隨著後續的學習再回頭看會越有感覺吧~