前言

今天要來說說本課程中的開發環境，終於到這一章節了，終於有實作的機會了，那廢話不多說馬上進入我們今天的課程吧!

1. Module Introduction

我們會使用Google雲端上的python notebook進行編寫
開發我們的機器學習模型，這次使用的開發環境是Cloud Datalab
Cloud Datalab在VM上運行，也會介紹到Compute Engine與Cloud Storage
在VM上運行有兩件事情，一是可以輕鬆的實際控制與更改notebook的機器內容
例如增加更多了GPU或RAM而且不需用重寫。
另一點是，VM是短暫的，所以如果要保留任何資料，必須儲存在外部，尤其是那些大型的二進制文件...
當然是儲存在Cloud Storage中啦，與此同時也會回顧Cloud Storage基礎概念，
我們將儲存在Cloud Storage notbook，使其受到版本控制。
最後會介紹如何將Cloud Datalab和BigQuery結合使用，
BigQuery是雲端上的數據分析服務，可以讓超越傳統數據庫的執行速度與規模進行queries的查詢，
然後研究如何在Cloud Datalab訓練ML模型。

2. Cloud Datalab

1.Cloud Datalab

這邊簡單介紹了Datalab的環境，是基於開源的Jupyter，下面介紹簡單控制：

code:你的python程式碼，執行程式碼只要shift+enter 或 按上方的 Run botton即可
output:就是你的程式碼輸出，注意輸出也包含圖表
markup:寫一些註記
綠色部分:可以匯出你的程式碼並提供下載，
或者提交到Google Cloud Platform上的code repository(代碼儲存庫(應該是這樣翻..))。

2.Demo:Cloud Datalab

上圖為Datalab的樣子，並演示了一些簡單的程式碼，
你幾乎可以使用python,Bash等等運行，
基本上你可以點擊運行所有代碼，
所有將會輸出。

3.Cloud Datalab

上圖大概說明了整個Datalab的運作，
從編程->運行->輸出->註記->分享，再循環。

最重要的大概就是這裡＠＠
Datalab的線上合作模式，Datalab架設於雲端上的VM
任何人只要透過網址，就可以共同編輯
另一種方式可以利用版本控制系統，例如Git
因為是雲端的方式，還不受硬體限制影響，任何人隨時可使用，
用完即可關閉，一大福利啊啊啊啊啊。。。

感謝閱讀 今日里程數－1906字