今天一整天參加 iPlayground iOS 開發者社群大會，好幾位國外大咖也有來給talk，結束後還有人幫 review 我的程式碼，所以沒辦法分享太多機器學習相關的知識。

今天我想來分享關於我之前在新創公司工作時，公司想在自己的 App 利用 ML 建立推薦模型吧：

1. 是一個影音社交平台
2. 發現 TA 是 KPOP 迷妹
3. 影片素材來自 Youtube API
4. 影片拿來拍 reaction video

目標：想透過使用者的行為，推薦會拍影片的迷妹們熱門的影片，提高用戶對於 App 的黏著度。

不過這項計畫到最後並沒有執行，但我當時參與了資料蒐集與紀錄流程的規劃。

1. 有些迷妹是團粉，有些迷妹是特定團員粉 -> 所以要標記團名、團員
2. 有些迷妹是泛KPOP粉，只要是 KPOP 都有機會產生興趣 -> 一個使用者拍了不同團的影片
3. Youtube 上也有很多粉絲會剪輯演唱會表演、練習時，特定團員的性感片段精華 -> TA 最愛用的素材
4. 影片拍好時，影片標題、貼文內容可做簡單的語意分析。 -> 例如： XXX is soooooo sexy!!
   ...
   上面數點大概就是當時討論出來，可以蒐集到的標記以用來訓練模型。
   所以計畫是能夠訓練出能夠從使用者的行為標記、Youtube 影片熱門度，推薦她可能喜歡的影片素材。

再來聊聊別的吧，雖然我目前也只是半隻腳踏入工程師這領域，積極求職中，還希望被收留。

我台大生科系畢業，就如批踢踢鄉民所言：「一日生蚵，終生顆顆。」我在畢業前一年跑去公衛系修流行病學。
會做這個決定，原因是流病是一門使用統計工具來研究/制定公共醫療衛生政策的一門學問，所以攸關人命跟龐大的行政預算，進行推論的時候會比較嚴謹一些。(生科系的生統只要 n 能跑過 t-test 就可以了 X)

而跑統計所使用的工具則是貴鬆鬆的 SAS，也蠻像寫程式的感覺（相對於spss之類的工具）。

學著學著，也發現自己能寫程式耶，就開始往工程師的方向走了 XD。

之所以會想參加這次挑戰也是想逼自己複習統計並學習機器學習，希望自己以後工作之餘還能夠做除了看圖奇傻笑之外做點有趣的事。

期許自己，成為一個不寫糞code的工程師，能寫出半年後回頭看還讀得懂的code。