(廢文模式 on)
Day 10 繼續加油～
(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
   • A data strategy
   • Training and serving skew
   • An ML strategy
   • Transform your business
3. How Google does ML
4. Inclusive ML
5. Python notebooks in the cloud
6. Summary

An ML strategy

接下來兩個小節，由於已經是第一個 Module 的結尾，所以谷歌在這邊嘗試收個尾～ (單押x1)

• 機器學習神奇的地方在於「量 (quantity)」，也就是資料，而非模型複雜度。
• 試著建構一個可以快速嘗試新想法的環境，隨之而來的可能是更快速的失敗，但同樣地，更快速的失敗代表著能更快地嘗試更新更特別的想法，當然也就伴隨更多可能的成功機會。
• 目前大部分企業中的 90% 資料都屬於「非結構化資料 (Unstructured Data)」，若有相關工具可以將這些非結構化資料快速轉換成建模可以使用的資料，就儘管使用吧，不要消耗時間在這些繁文縟節上，谷歌會幫助你的（笑）。

基本上這節的重點在之前就都曾經帶過了～

Transform your business

這個小節則是在談論要如何機將機器學習的概念套用在商用案例中。谷歌提出了幾個觀點，但就筆者本身的看法，其實這幾個觀點的核心價值就是：

「了解使用者的需求，思考機器學習能帶給使用者什麼」

這個想法其實本來就存在商業營運的概念裡了，倒並不一定是只能適用在機器學習中。比較不一樣的地方其實則是在使用機器學習的過程中，要能夠盡量地「化簡」事務以及因果關係，例如簡化使用者的行為所代表的輸入、簡化商業模式/程序，在這樣的過程中，或許還能透過機器學習來發掘具有發展性的潛在商業模式。但最重要的還是一句話：

「滿足使用者想做的」

小結

終於結束第一個 module 的內容了... 花了近十天的篇幅才講完這些，總覺得後面來不及啊...
這次討論的這兩個小節，其實並不一定侷限在使用機器學習，筆者私認為所有的商業模式其實都會經歷這樣的過程，透過不斷地精簡與淬煉，才能把具有真正意義的商業模式發揚光大，而不會落於曇花一現的窠臼中。

(這禮拜過完一半了ya~)