iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 1
2
Google Developers Machine Learning

透視Google Machine Learning的奧秘系列 第 1

[Day01] 開始 Google Machine Learning 之旅~

  • 分享至 

  • xImage
  •  

這次參賽是透過Google的ML Study Jam 機器學習培訓計劃來的,看到Google這次跟iT邦幫忙鐵人賽有合作,兩邊的學習計畫都有豐富的資源,而完賽獎品的衣服和背包也是很吸引人的!就這樣踏入鐵人賽的挑戰之中。

機器學習 • 學好學滿

以前曾經有參加過一個叫機器學習百日馬拉松有順利的完賽(有興趣的朋友可以查詢一下),每天都有機器學習的coding作業或問答,而過程中只要在規定時間內完成所有作業就能完賽,往往都容易拖延,反正一次累積好幾天的作業一次趕完就好,時間壓力沒有那麼緊繃;而這次的特點在於要連續三十天發表技術文章,雖然只有一個月但是要有毅力堅持每天不間斷發表技術文章,這又是另一個境界,我覺得適時要給自己來個不一樣的挑戰吧!過程中不知道會不會很自虐呢?/images/emoticon/emoticon16.gif

筆記與技術文章差在哪裡?

而我自己以往在學習新東西時沒有寫技術文章只有寫筆記的習慣,筆記通常都是碎片化的記錄某段知識,可能是一段重點或一段code,累積多了比較雜亂難以取用,甚至有時可能只是為了做筆記而做筆記沒有把它吸收進去,實在可惜。

  • 筆記是自己做的通常只有自己使用得到,所以在需要時能夠拿出來查找以及能看懂就好
  • 而技術文章不是,他是有系統性的架構對於知識做一個彙整,就像老師教學生一樣,能夠讓讀者聽得懂、聽得進去並且融會貫通很重要(雖然這點需要看功力,不過至少是要有條理的架構)

而這次是一個好機會呢!是時候看自己是不是對於機器學習這塊領域能掌握,也磨練一下自己的文筆、對知識組織架構與融會貫通的能力。/images/emoticon/emoticon58.gif

出發前調整心態

無論做任何一門學問,我們都要先調整好心態才開始

  • 我為什麼要學習?
  • 為什麼選擇機器學習?
  • 我的目標是什麼?

每個人的想法或許不同,目的也不見得相同

  • 純粹是抱持著終身學習的心態,不斷學習來更新新的知識
  • 而學習機器學習是因為對於這些資料處理與預測分析這類的東西感興趣,而且各行各業都與這次人工智慧浪潮所影響,欲習得此項武功已成為必然的趨勢
  • 而最終的目的也是能夠應用在工作上,解決實務上遇到的問題,當然這次的獎勵也是很吸引人,誘因越大背後就有越大的挑戰等著我們!

過去的學習模式只停留在聽講、閱讀與做筆記,現在要轉變為實作與教學,這可以用學習金字塔來解釋

圖片
越是主動學習,學習的效果越好,也就越不容易忘記你所學的!

我以前沒有想過自己有一天會寫技術文章,覺得這是滿累人的事,更何況以現在是學生的我來講,能有心花時間自學課業外的東西就贏過許多人了,我想願意靜下心來好好學習已經值得鼓勵,不過學習模式要從被動轉化成主動的話更是一大突破!目標是達成連續三十天撰寫機器學習文章,希望能夠如期達成。/images/emoticon/emoticon18.gif

Google Cloud Platform

沒錯我們這三十天要來學習目前最熱門的機器學習,透過這次的ML Study Jam 機器學習培訓計劃,讓我們能夠了解機器學習是什麼?了解目前在GCP平台上有哪些應用?

五月初參加初級計畫有感受到google的用心,這次看到進階課程馬上就報名了,是在coursera上面的課程,只要註冊左邊的Machine Learning with TensorFlow on Google Cloud Platform 專項課程以及把前兩堂課程完成就能拿到獎品

圖片

這次分享的內容也主要是從課程裡面講解,分成五個部分:

  • How Google does Machine Learning
  • Launching into Machine Learning
  • Intro to TensorFlow
  • 特色工程
  • Art and Science of Machine Learning

每一個課程內容都滿豐富的,都有許多短片、Hands on Lab、練習題、議題討論等可以學習,內容真的是滿多的!應該是講不完,礙於只有三十天分享的緣故,我不會每個章節都分享,只會挑一些比較重要的部分做介紹並做補充,這樣搭配起來比較活用,學習效果也比較好。

日後每一天的學習模式大致上是這樣的架構:

  1. 課程內容的講解:
    課程內容分成影片、問答、Hands-on Labs操作

  2. 實作的心得:
    學習心得與平台使用上的感覺和優缺點

  3. ML知識補充:
    在實作的過程中結合觀念,幫助理解Google ML的應用

在這三十天的過程中,除了GCP平台的操作和心得介紹之外,也會補充一些機器學習需要知道的流程與知識,畢竟扎實的機器學習基礎是必要的,工具只是其中一種方法輔助我們順利完成目標,再來熟悉平台後工作效率更是事半功倍。

結語

我覺得說這次三十天的挑戰,雖然不一定能夠帶給大家非常大的幫助,但是能帶大家一起來認識機器學習相關知識以及完成這項挑戰就值得了,那就從現在開始加油吧!

參考資料與圖片來源


下一篇
[Day02] 認識 ML Study Jam 機器學習培訓計劃
系列文
透視Google Machine Learning的奧秘30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言