/*         警告       */
這個不是教學文章系列
而是記錄一個初學者學著提出問題，並找出答案的過程
並透過鐵人賽督促自己的系列
/*         警告       */

1.為什麼學習TensorFlow.js?
2.怎麼安排TensorFlow.js學習之路?
3.如何維持30天連續發文?

1. 為什麼學習TensorFlow.js

目前要應用機器學習的方法有很多，不管是各種函式庫或者是平台在這幾年數量與功能都有大幅度的躍進，如果只是為了要應用機器學習在本身的領域之中，直接使用各種平台服務，利用撰寫完成的模型肯定是更加方便，像是Google提供的Cloud AutoML Vision可以讓你快速部屬你想要的圖像辨識模型，但因為目前是研究生，如果要應用機器學習到目前研究中的話，寫論文時總不能一問三不知，所以還是要了解裡面的內容，才能在理論與實務上知道其侷限，可以靈活的運用在研究中，那最好的做法就是透過學習一個開源的函式庫來了解機器學習。

那為什麼是TensorFlow.js呢?其實很簡單，TensorFlow.js可以在瀏覽器上面跑，這意味著更靈活的選擇，不需要特別安裝軟體或驅動元件，當然缺點就是跑得比在Python上的慢，但如果用Node.js跑又差不多，不過只是要跑得快，就用Caffe2就好啦，只是TensorFlow.js可能在比不上原生Python上的TensorFlow更新與其他機器學習領域會用到的函式庫支援程度

2. 怎麼安排TensorFlow.js學習之路?

2.1. ML基礎
在寫程式之前，必須對機器學習領域有基本的了解，因為我之前只有寫過粒子群演算法、基因演算法等等最佳化方法，對機器學習這塊沒有很了解，所以必須要重新學習一遍，那目前是暫定看Google的教學為主
2.2 TensorFlow.js Tutorials
基本上在看完ML基礎後，就要開始實踐，首先還是要把官方的教學走過一遍，會小小進入API中了解使用到的部分。
2.3.視覺化試著使用訓練好的模型
學習如何將訓練結果與過程視覺化，並使用一下TensorFlow.js所提供的一些訓練好的模型
2.4.找出自己有興趣的地方進行研究
最後該學習的也差不多之後，可能參考別人做過的題目，或一些可能會很有趣的應用進行研究，主要是看我前三周在找補充材料的時候，有沒有看到到一些我覺得不錯的東西，希望是有，畢竟學習之後實踐，讓自己有能力做到自己想做的事真的很爽。

3. 如何維持30天連續發文?

我覺得鐵人賽最困難的的地方應該就是要不間斷這件事了，我仔細想了想發現自己好像有點困難，尤其是在表達的層面，這算是為未來寫論文做一點提前準備吧(?)，因為有一些研究和雜事要做，所以我也不太可能花太多的時間在這上面。
當然，既然都報名了也不能太隨便，所以我參考別人發文的模式還是想了三個解決方案。
3.1.分階段
因為我的學習之路主要已經切成四個階段，剛好對應四週，算上開頭一天、結尾一天剛好是三十天，把一個禮拜的內容壓縮到在五天內學完、分成七天的筆記，這樣可以更有餘裕的撰寫內容，每天學習三個小時，誤差在正負十分鐘，就開始總結紀錄筆記。
3.2.延伸學習彈性調整內容
除了原本的內容之外，最好是能找到其他資源進行研究，並做為課外補充教材，第一是能增進對TensorFlow.js與機器學習本身的理解，第二筆記的內容也能記載更多的內容
3.3.加入自己走過的痕跡，才能保持熱情
如果只是單純記錄與學習教材，應該會變得非常無趣，所以除了學習內容之外，應該多多記錄自己犯的錯誤、想過可能的應用與想法，要讓未來的自己被自己學習時的筆記，而回想起自己學習時的模樣，想到未來自己會感謝自己的模樣就是最大的激勵了XDD