這章想特別提到的是，
“Machine learning運行的重點，在於模型的“數量”，而不在於模型的“複雜度”
我們有很多的任務想要解決，我們可以用許多machine learning模型來解決所有問題，不過重要的是，我們要快速做實驗，如果實驗的迭代速度越快，我們可以越快的讓實驗失敗，並知道這方法不可行，盡快嘗試下一個方法。
我們有很多樣資料，而很多unstructeral data可以用現有的pretrain model迅速處理，這樣可以加速我們的迭代。依照這樣的策略，我們可以更快的達到我們的目的，用我們谷歌的系統，完全可以幫各位通通包到好，用吧！
乾，差點忘記要po文可是好像快來不及了，只好趕鴨子硬上...
iThome鐵人賽
看影片追技術