作為此課程系列的開端，此課程主要是會以一個較為High-level的角度，和大家介紹何謂機器學習，包含其背後概念與當中事如何運作的，以及Google所提倡的AI First到底意指什麼，以作為後續較為進階且實作導向課程的入門。

課程中首先提到環繞在我們生活當中的許多Google相關服務其實都有機器學習應用的元素在裡頭，像是Google Photos裏頭的照片分類功能、Youtube平台上的影片推薦、Adwords上精準化的廣告投放及自動駕駛車當中相當重要的行人偵測，機器學習可說大大地影響了Google如何進行其各種業務。

而作為支撐這些商業應用的背後的工具，由Google開源的TensorFlow深度學習框架是其中不可或缺的角色，課程中提到，截至2016年結束，已經有超過4000個(這規模也太驚人了!)由TensorFlow建立的機器學習模型應用於生產環境。

Model Training vs. Model Serving

接下來課程中提到了一個我覺得大家容易忽略，但是卻是不可忽視的概念，其實在一個機器學習的生命週期中，雖然包含了資料收集、資料前處理、特徵工程、模型訓練、模型評估、模型迭代優化與部署至生產環境等多個階段，但是往往在機器學習的工作上我們會過度關注模型訓練(Modeling Training)的環節，以致忽略了其實對於機器學習來說，更重要的是完成模型部署(Modeling Serving)來讓需求者們進行使用，才能將從資料中學習到智慧的機器學習模型真正落地並發揮價值。而在整個機器學習的工作流程中，Google Cloud Platform也針對各環節提供了相應的工具可以使用(圖1)，大大地為我們簡化應用機器學習的負擔。

圖1
Source: Coursera - How Google does Machine Learning