前言

昨天打到睡著，今天把下半部補上(偷懶)

主題

2.1 The secret sauce(下)

機器學習的獨門祕方是什麼呢? Google給出了根據他們經驗裡，常常會誤入的10大陷阱!
其實我不太懂為什麼十大陷阱，結果有些項目條列出來卻是正確(而非用反面敘述)，或許是為了對抗不看影片只看圖片就快轉的人?

6. ML optimizing for the wrong thing

"為了錯誤的目標優化"，這件事情非常重要，甚至會導致產品衍生出不良影響，儘管歸類上是在"定義KPI"的步驟中，但往往在實作蒐集資料、處理資料、分析資料的過程中，更能夠發現一些當初無法預測或想像的問題，進而去修正原本預設的目標。

7. Is your ML improving things in the real world

8. Using a pre-trained ML algorithm vs building your own

10. Trying to design your own perception or NLP algorithm

第七、第八、第十這三點一起講，其實Google一直要推他們的pre-trained API，事實上，在後面的課程中使用過後，幾個基礎的模型真的很好用，商業實務上與其自己訓練這些東西，或許選擇已經pre-trained好的API來處理這些基礎的問題，把心力花費在開發應用問題上特殊的ML模型可能是更有效率的方式!

9. ML algorithms are trained more than once

這點是肯定的，利用客戶端反饋獲得的資料，持續不斷的更新機器學習模型，讓產品的應用能夠與時俱進變得更好。