哈囉大家好，今天是day12，向各位報告今天的影片進度:

ML是一個電腦寫一支程式完成特定任務的過程，電腦透過一些資料去找出最適合的程式。

傳統的software engineers寫程式的目的式將輸入轉換成想要的產出。

而現在ML撰寫程式的方式是，透過一堆訓練資料和標籤訓練出很厲害的模型，讓模型能夠自己決定將輸入轉換成輸出的最佳程式規則。

完整建置ML系統有下列幾個過程需要考量:
1.績效
2.資料蒐集
3.系統建置
4.調適ML模型
5.與組織內其他現有系統整合

這裡可以看出人們預期所花時間和實際會花的時間有不小差異:

ML或者這裡特指DL，其實就是一個二元一次線性公式:

想要搞懂ML的最好方法是，一定要親手操作

下方是Google列出的ML建置之10大陷阱:

1. ML requires just as much software infrastructure
2. No data collected yet
3. Assume the data is ready for use
4. Keep humans in the loop
5. Product launch focused on the ML algorithm
6. ML optimizing for the wrong thing
7. Is your ML improving things in the real world
8. Using a pre-trained ML algorithm vs building your own
9. ML algorithms are trained more than once
10. Trying to design your own perception or NLP algorithm