我覺得這篇文章是寫給當初做畢專時水深火熱的自己。
同時希望可以幫助到其他正要著手於AI主題/產品的人們。

當已經確定主題，比如說我想做個 導航(背後使用ML)的主題，那其實可以先想想AI可以帶來什麼益處，以及是否還有其他解法。
那通常 ML 的 function 是用於 output 為模糊的情況，何謂模糊? Ans : 就算聘用好幾個工程師寫了好幾個 rules，也沒辦法精準地
得出結果。
以前在做這個導航主題時，一直在想或是懷疑為什需要用到AI，明明 距離/速率 = (起點到終點所花的時間) 可以解決的問題 ，雖然最核心的部分是這樣，但其實複雜度還是有一定程度。必須先知道有哪些路，路的方向性，使用哪個演算法(Dijkstra)算幾種路徑，哪個路徑最優。

再一次詢問老師的過程後，終於有說服自己的理由。
老師給我回答是 解決問題的方法很多種，而直接物理(距離/速率)是一種，而使用ML也是其中一種。
這邊我自己補充，或許做直觀的方式都視為理所當然，無其他的方法，但是我們並不能知道哪個方法是最好的，總要做個嘗試。

回到最原本的問題，how to choose model ?
取決於 output 是什麼 ! 還有 在監督式學習當中我們需要Trainning Data，所以必須先Collect Data，而要Collect 哪些data呢?
就是 那些特徵值，會影響結果的因素，而這些特徵值，需要量化，因為要input進Machine。
而那些 餵哪些資料效果會最好呢? 沒有人會知道，所以需要做組合搭配 實驗看看。

[補充]
在 導航這個主題裡，目的是要達成 預測 精準的花費時間 及 提供最快速到達目的地的路線選擇 。
output 模糊在哪，在於 就算距離/速率也不一定 可以知道我究竟何時會到，可能塞車，可能道路施工 blabla。

[hightlight]
如果 Output是數值(scaler) ， 那 task 為 Regression ，method 可能是 linear model 。
那 如何擁有 linear model ，可以參考 Tensorflow ，Keras ，Sklearn ，或是依照數學的方法，自己刻一個出來。
如果 Output是 選擇題(幾選1) ，那就是 Classification 。
如果 Output是 是非題 (二選1) ，那就是 Binary Classification。
而 更複雜的問題 影像辨識，需要更複雜的方法，例如 : Deep Learning 。

[李宏毅老師上課筆記 youtube]

[致謝]
謝謝當初 告訴我學習教材，指引我方向的 派大星 學長(fb頭貼為派大星)
以及 謝謝雖然不是台大的學生，仍願意提供這麼優質的教材的宏毅老師!