iT邦幫忙

第 11 屆 iT 邦幫忙鐵人賽

DAY 4
0

absract

昨天一樣...


import

跟昨天一樣的:

  1. 嗡嗡
  2. nightlan1015297(Dim)

今天多的:

  1. Joseph-bug:這位大大第三次參加鐵人賽,神奇的是,他上一次的主題是就是跟著Google學ML,而這次它雖然也是報名Google Developers Machine Learning系列,但特別的是,他的內容並非搭配課程(我甚至不知道他有沒有上線上課程)它這次鐵人賽內容則是介紹一系列的Google AI & Machine learning products
  2. gary9630:他的內容也是筆記,但是是非常概略的筆記,course1分為五個part,昨天的嗡嗡nightlan1015297(Dim)都相當詳細,常常還會把part拆成幾天寫,這位大大則是一天一part,而且發文內容倒不是特別多,他的容其實就是我目前的鐵人文筆記的部份想做的事情拉,大概就是一個目錄的概念,但跟它不同的是,我在這個目錄理加上了其他人詳細筆記的連結。

my notes(後來才發現今天的內容Gary0930 Day04 course1-3都有了阿阿)

  • 一直看不懂為什麼他要說stream data和batch data要用一樣的方式處理什麼的,終於在nightlan1015297 day07的文章中看到的解釋了,其實一直看不懂只是想多了,我一直以為用一樣的方式餵給Model事理所當然的,單它卻做了強調。
  • nightlan1015297 day07day08&嗡嗡day0610大陷阱:
    1. ML不需要大量的軟體基礎
    2. 沒有收集數據
    3. 以為數據可以用(而是事實是不行)
    4. 把人放在循環中
    5. 使用者不在乎它用的是ML的傑作,他們只在乎好的服務
    6. 要認清使用者的需求,才能將模型往對的地方帶
    7. ML model 真的有再為企業貢獻嗎?
    8. 已經有pre-trained model的話就用吧,別再自己訓練了
    9. 在這個變遷快速的世界,model是要隨時訓練隨時更新的
    10. 有現成的就用!
  • Dim day10&嗡嗡day07path to ML:
    1. individual contributor
    2. delegation
    3. digitilization
    4. big dat and analitics
    5. machine learning

murmur

  1. 後來才發現今天的筆記內容Gary0930 Day04 course1-3都有了阿阿,而且寫的比我好多了阿阿,該加強該加強...
  2. 我真的寫的好差,嗚嗚,不過以前的我就是因為覺得自己寫的差,所以一直不敢寫,有時候考試或功課寫了些東西,也不敢那出來看,更不敢給別人看,覺得丟臉阿阿QQ,但就是寫了才會進步阿阿,這次報名鐵人競賽,很大一個原因就是迫使自己寫作。(對,我平常好像就是因為得失心太重了,覺得每一次都要做到該有的水準在做,殊不知常常被灌輸的一個觀念"要不做到最好,要不不要做,不要做個半調子"其實不是一個很好的思考方式,應該要想"先求有,再求好",前者是0跟1有跟無的區別,後者則是練續性的,就好像數位跟類比的區別一樣,兩者其實都是老生常談,但不知為何我以前就是以前者的方式思考,不敢嘗試,怕失敗,不敢把目標設得太高,因為怕爬得越高,跌得越重,有時因為清楚知道就算做了也做不到最好,知道去追求的話一定會嘗到非常多失敗的苦頭,就不停的逃避。但,不真的做,怎麼知道呢?)

conclusion

  1. 我的文章漸漸變成花比較多時間跟精力在寫作上面了,這是對的嗎...
  2. 找到模仿對象gary9630(不過其實我也還指看了一些別的鐵人文,可能也有人已經做過我想做的事了,但無論如何目前我都會以這樣的模式繼續做下去的)
  3. 先求有再求好

EOL


上一篇
Day03 notes of course1 lesson1,2
下一篇
Day05 趕趕趕......
系列文
finnish the google ML class11

2 則留言

0
嗡嗡
iT邦新手 5 級 ‧ 2019-09-18 02:27:08

意外逛逛大家的文章逛到XD

寫文真的比較花時間,如果只是單純自己消化課程的話,
應該不用幾個禮拜就能看完那些線上課程了,
特別是要用自己理解的話重寫那個學習片段應該是最耗時的
(15分鐘為什麼會花3小時寫就是這個過程)

我也是第一次嘗試寫的XD,總之繼續加油吧!

0
gary9630
iT邦新手 5 級 ‧ 2019-09-22 16:38:35

哈哈 原來我是在這邊被招喚了
其實我在ML領域已經學習一段時間了 雖然不敢說已經懂很多了
但是這些課程內容比較像是在複習學到的東西
所以我就寫得盡量精簡 很多太細節的地方我就假設有興趣的人會再去多找資料研究了~
至於寫文章確實是蠻花時間的,尤其又想要去蕪存菁
一起加油吧!

我要留言

立即登入留言