這是 Machine Learning with TensorFlow on Google Cloud Platform 整個系列課程的第一堂課

課程宗旨放在介紹與入門，所以就算是第一次接觸Machine Learning 或者 AI 的朋友也不必擔心。

課堂上的講師會從重點的大觀念講起，從作業和Lab實作練習也能逐漸淑熙與建立基本的核心概念。

Machine Learning on Google Cloud Platform 的 學習Road map如上圖所示

第一步，"Why ML?" 是引導我們思考為什麼要導入ML，什麼樣的題目或應用適合使用ML？
機器學習是讓電腦從一大群資料中挖掘和辨識不同群體的特徵，進而建立特徵模型(ML Model)，
將來遇到新的輸入時，便從以前學習得到的Model去推論(infer)或預測(predict)最有可能的輸出結果。

舉例來說，假如是求解一塊已經圖形的面積，這是屬於數學上有明確定義，可機械化重複操作的流程可用，
所以最佳的作法是把公式直接在程式碼中時做出來，而不應該也不必須浪費資源去使用機器學習。

但是，以另一個比較生活化的應用來說，車牌辨識，雖然我們知道車牌絕大多數都是由英文字母A~Z和阿拉伯數字0-9所構成的排列組合。看似簡單，實則不然。
車牌的底色(白色、黑色、黃色、紅色)
車牌號碼的顏色(白色、黑色、綠色、紅色)
另外拍攝時的光影與角度都會造成不同程度的模糊和字體變形。

對電腦來說，以rule-based硬刻是不切實際也不可能的事。

不過，這反倒是應用機器學習來解決問題的一個案例。
因為我們可以從大量含有車牌的圖片集合中訓練出車牌的模型(用來定位車牌在影像中的位置)
與車牌號碼的模型(用來判讀出牌號碼A~Z, 0~9)

總結來說，當一個題目或應用是介於完全機械化規則與完全模糊兩者之間，有很大的機會可以透過機器學習的建構和實作來解決。