接續著上次定義好的問題，需要制定策略去解決它~

先是我們可以得知有不少的實務應用在影像辨識、自然語言辨識等等，然而在細一點看到具體的商業應用，藉由影像辨識的技術我們能讓機器學著從不同角度、片面的照片得知汽車名稱、廠牌甚至價位，自然語言的辨識令商家自動化的應對email來信或即時訊息，因此我們針對自己定義好的問題，要「客製化」我們的ML模型以建立API

好，那麼策略是什麼的策略?ML策略?根本看不明白阿，或許先了解到ML與資料、數據間的關係會更好理解。

"Machine Learning is Rocket engine and data is a fuel"

ML能帶著我們去達到目的地，然而它需要大量的data來驅動，此外這些數據不單要充足的數量也要多樣，藉由這些數據我們才能不斷的改進ML模型，不斷的讓機器去學習，比起先搞一個複雜的模型不如蒐集更多數據吧!數據是影響能不能前進的關鍵，換句話說

"Machine Learing Strategy is a Data Strategy"

既然都這麼喊了總該要多講些Data Strategy解釋一下策略像個怎麼樣了，課程中提及一個成功使用ML的經驗，有關全球捕魚活動的監控網站，以往它們靠人為分析得出捕魚的路程，現在運用ML以至能每天分析高達2200萬個數據點(data points)。