今天就開始第一堂課吧！這堂課主要說明Machine Learning的概念，並加上一些簡單實作，並沒有太多的技術細節，對於要建立完整概念幫助十分大，但如果是對資料處理完全沒概念的朋友來說可能還是會比較吃力一點。

首先先來看看幾個在這堂課中會一直出現的簡寫以及其含義。

• GCP：Google Cloud Platform → Google雲端平台
• ML：Machine Learning → 機器學習

在第一個模組中，講師先帶大家了解進行一個ML專案時會經過的各項步驟，從一開始為什麼決定要使用ML，建立一個好的資料集，提升ML的準確性，將ML模型實際進行應用，到最後如何進一步利用ML進行影像分類或推薦系統等，而這些也是在後續的模組及課程中會陸續介紹給大家的。

講師提到，他發現大部分的ML專案因為無法建立品質良好之資料集，就算在測試階段有不錯的結果，但後續要把ML模型實際進行應用時卻造成整個專案失敗，而這也是大家必須多花點心思好好思考並吸收的部分。

可以學習ML的地方那麼多，為什麼我們要選擇向Google學習呢？最主要的原因就是因為Google已經在他們家許許多多的產品中應用ML，不論是目前大家廣為使用的Gmail或是已經失敗所以不為人知的各種專案，不論專案的結果是失敗還是成功，但累積下來的經驗絕對可以幫助我們不用重蹈覆轍。

Google在不斷的失敗中學習，他們也發現，為了要訓練出一個成功的ML模型，並降低其錯誤率，最重要的就是要能夠處理批次資料，也要能處理串流資料。

每個模組的最後都會有一些實作練習或是小測驗，而測驗通常只要前面的課有認真聽都回答得出來，模組1也不例外，這邊也就不特別介紹小測驗的題目及答案囉，要注意如果測驗沒有通過標準課程是不算完成的喔，而且如果在短時間內無法重新嘗試測驗太多次，所以如果不確定答案的話可以重新翻閱前面的課程，確認答案了在將答案送出喔。

模組1就先到這邊囉，明天再讓我們繼續模組2吧！