總回顧

這次Google的課程讓我從不同於以往研究者的視角了解機器學習，見識到如何將新科技、新技術商業化的過程。以往研究時，會追求演算法運作的合理性、效能表現是否卓越、想法概念是否創新等，與此不同，商業化的核心要追求產品效益，好的產品的核心架構中，比起配備具有超群表現的演算法模型，更需要有足夠的穩定度，或許只要65%的表現就足以負荷，但穩定度可能追求95%以上。
除此之外，將研究流程規格化，讓專案的開發能夠明確拆分工作，並且利於將開發經驗重用於不同專案中，加速整體機器學習專案的運作。課程中提出許多經驗也很有益處，像永遠要讓"人"存在於機器學習的產品迭代迴圈中，這項建議直觀上與自動化、智慧化的理念背道而馳，然而，因為現實狀況往往有許多意料之外，導致機器學習模型無法處理，持續維護與更新的過程中，仍需要人的介入維持穩定。
在技術與演算法的細節中，課程中反而沒有太多讓我耳目一新的東西，但還是對於整個機器學習的理論進行了簡單的複習。

完賽心得

從一開始前面幾天寫起來非常痛苦且生疏，這三十天強迫自己不斷撰寫，有逐漸改善自己寫長篇文章的能力。在將想法與概念轉換成用文字表達的過程中，也讓我反覆思考咀嚼要表達的內容，往往會發現之前學習過程中忽略掉的盲點，以及由於時間太久而忘記的關鍵。然而，每天寫一篇文章的頻率持續下來，壓力真的不小，到後期無論是內容篇幅與質量都很明顯下降了。原本預計假日能夠預先累積文章，結果，連續幾周剛好都有活動到處跑，反而比上班日更加嚴峻。希望未來也能夠繼續維持這項寫文章的習慣，或許一個週產出一篇結構完整的文章之類的。