系列的第二課程 Launching into Machine Learning，主要是介紹機器學習基礎知識，能了解後續課程中使用的專業術語。還有 Google 從業者那裡學到的 機器學習實用技巧和陷阱來引導建立自己的機器學習模型。

課程的內容大概包含有:

• 了解不同類型的機器學習模型。
• 關於機器學習的發展歷史如何導致深度學習模型如此受歡迎。
• 如何區分機器學習問題的主要類別，以及如何在實踐中應用它們。
• 深度學習模型的訓練通常以隨機權重開始。如何初始化這些權重。
• 如何更改這些權重以便模型學習。
• 如何使用損失函數優化模型。
• 如何使用性能指標評估這些模型。
• 了解機器學習時可能發生的常見問題。如何減少這類問題的發生率。
• 缺乏泛化(generalization)的原因。

機器學習模型
兩種最常見的機器學習模型是監督學習模型和無監督學習模型
關鍵的區別在於，對於有監督的模型，數據是有標籤的，數據擁有我們想要學習預測的正確答案。而在無監督學習中，數據沒有標籤，無監督問題都是關於發現某些規則，查看原始數據看它是否自然屬於某一個類別。

第13天，完工。

參考
coursera - Machine Learning with TensorFlow on Google Cloud Platform 專項課程
coursera - Launching into Machine Learning