機器學習是什麼？

機器學習(ML)簡單來說

「透過從過往的資料中學習，並且找出其規則，最後預測出未來的結果。」

以生活經驗舉例：

在上學的路途，可能會因為修路、活動封路等原因需要換成其他路線，這時候你的腦袋就會記得這些經驗，蒐集到夠多的資料後，你就會開始評斷，哪一條路線等待的紅綠燈最少、哪一條路線的路最平整（沒有坑坑洞洞）、哪一條路線最寬廣最不會塞車，最後預測出行使該路途的時間，當然你會選擇時間、成本花費最少的路線，可以參照下圖。

今天開賽的第一天，常言到，好的開始是成功的一半ＸＤ
以下規劃了30天大致要分享的內容

目錄

一、 機器學習相關概念

1. 機器學習介紹

1. 特徵工程
2. 交叉驗證

2. 機器學習評估相指標：

1. 混淆矩陣
2. 評估曲線
3. F1 Score
4. MAP等等

3. 機器學習演算法介紹：

1. 迴歸演算法：Linear Regression、Logistic
2. 分類演算法：決策樹、隨機森林、支持向量機、貝式分類器
3. 分群演算法：K-means、DBSCAN、hierarchical clustering

二、 深度學習相關概念

1. 深度學習介紹

2. 深度學習框架：

1. pytorch
2. tensorflow
3. caffe

3. 自然語言處理NLP介紹及應用

三、Google Machine Learning服務

1. AutoML

2. Cloud ML Engine

3. ML API

學習資源

1. Google Developers Machine Learning

https://developers.google.com/machine-learning/crash-course/descending-into-ml/linear-regression

2.Tensorflow之外的好選擇-Kears Caffe SK-Learn 機器學習實作 阿布、胥嘉幸 編著

3.初探機器學習演算法 Giuseppe Bonaccorso 著

本日心得

開賽的第一天，期許自己可以努力30天完成到最後，去年小妹可是有拿到鐵人練成獎呢~
最近修了碩一多變量分析，對於做資料分析上來蠻有用的，大家可以參考看看。
但是要有一點線性代數以及統計學的觀念。