(廢文模式 on)
覺得故事模式好像也不是不行，雖然冗長些，不過看起來應該... 不會這麼生硬吧？！
打算在單一課程結束後透過條列式的方式統整一下各個小節的重點，這樣應該會好些～
（不過按照這個速度... 什麼時候能寫完呢ＸＤＤ）
(廢文模式 off)

本日文章

1. Introduction to specialization
2. What it means to be AI first
   • ...
   • Replacing heuristics
   • It's all about data
   • ...
   • Pre-trained models
   • The ML marketplace is evolving
   • ...
3. How Google does ML
4. Inclusive ML
5. Python notebooks in the cloud
6. Summary

Pre-trained models

谷歌在這個小節基本上沒有特別提到什麼機器學習的內容，主要的想法只有：

「網路上（包括谷歌本身）有許多已經先行訓練好的模型，可以直接拿它來使用」

意思其實就是已經有其他人先用了可能很大的資料集（例如谷歌使用了他們自行收集的資料），來訓練模型，並將訓練好的模型（這時已經先用某個資料集訓練完成的模型便可稱作 Pre-trained models）可能以開源或是放在網路上供人調用的方式來幫助其他人使用。而若使用者有自行收集的資料甚至能以這個模型的權重為基礎，再使用自行收集的資料繼續訓練。

那谷歌這邊有舉了個例子，不過筆者認為概念上只需要知道上面那小段的內容即可，谷歌的例子只是以某家公司為例，並舉出需要多種應用（影像辨識、條碼數字辨識、客服問題內容辨認等等）這樣而已。

The ML marketplace is evolving

這一節的內容其實與上一節蠻類似的，谷歌一樣舉了許多與他們合作的企業的例子來說明目前機器學習在企業及合作上的應用。在使用機器學習的概念上，谷歌認為：

「在某項技術尚未成熟，或是正在起步階段，這時候自己從頭到尾建立一個模型是很常見的，換句話說其實就是從階層比較低（low level）的角度去打造事物（在機器學習的角度，事物指的就是建立模型的方法」

「而隨著技術逐漸成熟，方法的演進會愈來愈趨向往高階層（high level）的使用方式發展，換句話說就是能以更抽象的角度來使用這些機器學習的模型」

這兩句話其實蠻合理的（不就是廢話嗎...），當某項技術剛起步，當然一切細節都得自行摸索、研究；而當技術逐漸成熟後，對於中間的細節也掌握得比較多了，這時當然就能用更簡潔的方式來看待這些方法（在程式語言編程的角度來說，就是發展更高階層的 API (high level API) 來供人使用）。

最後谷歌表示整個系列課程會以客製化建模（custom machine models）的方向為主。

小結

今天的這兩個小節，實際上沒有太大的技術內容，只是一些基本概念的傳達，算是比較輕鬆的部分ＸＤ
接著得連續兩個小節就會稍微回歸到技術概念了～（應該啦 0.0）

(禮拜一... Orz)