第4天，我們來聊聊數據。今天沒有程式也沒有數學，開心吧。(謎之音：等等，你是不是報錯組別了。呃！別急大概第15天就會開始聊Google ML了。如果還撐住的話 XD)

好的，看了前一天分享，你應該在腦海裡會有一個神經網路的動畫在跳動。在那一大堆線裡，前面連著資料的輸入，後面連著分類的輸出，輸出結果再跟標籤比對，不正確的話，再透過反向傳播，是改變線的權重。再重來一次。直到比對正確為止。

上面說的過程，你覺得那個環節很不容易。是的，是標籤。在資料上加上標籤是很不容易的事。就像你去歐洲玩，隨便拍個1千張照片應該是很平常的事，但是拍完後沒再打開也是很平常的事。如果要你給每一張照片做註解整理一下，大概又是更難的事。懶人如我，頂多弄個資料夾，取名2019法瑞義，再把照片放進去就算仁至義盡，大功告成。給資料加上標籤真的是很累人的事。而且標籤還可能打錯，哈。

在看到李飛飛的演講跟報導後，我就對數據的重要性有感覺，所以今天要介紹你幾個影片。

李飛飛：我跟我的博士生鄧嘉說，我說你要是自己不吃不喝不睡，每天就坐在那標註這個圖片，你大概可以20年畢業吧。(影片傳送門)

哈，這句話實在太令我印象深刻了(好苦命的研究生！)。所以我就深深的記住，每次提到資料對深度學習的重要性，我往往就想到這個畫面。

再來就是李飛飛在TED的演講，18分鐘

你應該會看到，電腦影像辨識的困難、進步、限制。以及未來的發展。還有167個國家，約5萬人參與標註的圖像數據庫的ImageNet。

數據標註已經成為一個很大的產業，也是重要的發展。所以你可以看到很多關於數據標註產業的報導，因為沒有數據，沒法做研究阿！

不過數據的收集要注意各國法律的規定。不然就會有很大的問題。

• YouTube違反兒童隱私，遭罰天價53億元、禁止蒐集未成年用戶數據

當然你知道數據很重要後，也要對收集數據的程式有些感覺

• 「明星換臉」App爆紅後卻被罵翻
• 照片一上傳恐永久保留...使用變老App前，你看過服務條款了嗎？

然後你可能也不知不覺的在參與數據的標註，哈。

• 你以為是填 reCAPTCHA 驗證碼，其實在幫 Google 訓練 AI
  

在練習 ML Study Jam 的課程時，倒是不用煩惱數據的事，課程裡的數據都找好了，只要匯入到 BigQuery 然後就可以繼續了。

今天就醬子吧。明天再戰。
希望你想起有標註的數據為什麼對深度學習很重要時，也有一個畫面閃過。

好，第4天。結束。