這時候已經把GCP結合Machine learning的特點和優勢概括地介紹一遍了。
所以說接下來暖身的Module1_Quiz應該不難。

如果還是有疑惑或不清楚的地方，下面已經整理好一些課程想表達的重點。
測驗前再複習一下，應該對於準備測驗和答題會有幫助。

一般會建議使用大樣本的訓練數據集，
因為數據集的數量越大，也代表母體中的抽樣愈大，
這樣訓練出來的模型(Model)兼容性(Coverage)和偏誤(Bias)也會必較小，
通用度也會比較好。

至於標記(Label)的部分，
實驗型的小樣本採取人工標記尚有可行性。
但是一旦有擴大scale up 訓練集的需求時，
採用業界和學界成熟的開源資料庫(例如ImageNet)會是兼顧標籤正確性與節省時效的做法。

from How google does Machine Learning Week1 筆記2

推薦系統常用於個人化服務的演算法

Recommendation system
推薦系統
例如
線上購物網站的物品推薦、
Amazon線上書城的相關書籍、
Youtube的相關影片推薦(例如：可能你喜歡OOO的影片推送)、
Netflix的同類型或相關影集推薦(例如：同一部導演的作品，續集、三部曲...等等)。

from How google does Machine Learning Week1 筆記5

在ML Model實際上線服務的實務經驗中，
對於增加ML產品專案的成功率，
Google從中學到一格寶貴的教訓，
認為其中的關鍵在於?

在Why google Cloud?這部教學影片有提到，
留意講者的解說，還有這張課程投影片。