讓我們進入第一個Lab : Framing a machine learning problem!
其實 建議如果要做畢專或是 碩論(AI領域)的 可以從這裡找到點方向。
大學指導教授 在帶我們的時候，給了我們很長的時間來思索主題。
第一階段 : 越有創意越好 ， 最好全世界你是唯一，Google 不到類似的
第二階段 : Open Data 挖資料 想應用
第三階段 : 鎖定 類別 想應用
我們那時候 想超久 至少有兩個月 ~~~ 累...
最後 評審覺得 Open Data 應用在導航上 Good (政府現在在做的)
但 關於 導航使用AI技術 又是一段故事啦 ~~~ (之後有時間再提)
切回 今天的主題 Lab : Framing a machine learning problem!
先想想幾個問題 (應該是沒有標準答案)，再把回答po在 student forums 。
這個在哪兒呢? ↓ btw 現在(應該)進不去 因為期限到了QQ
期限到了 會不能看影片 ，所以需要事先 下載下來。

我那時是在手機填寫的 但是我個人覺得用電腦還是比較優(就排版而言)
在 student forums 不僅發表自己的想法 ，也可以再觀摩別人，挖創意XD

那這個Lab 是希望我們從 下面兩張圖 裡面提到的面向(大方向:食衣住行育樂) 各選1 ，去做闡述。
我記得 那時候我是選交通另一個忘了。


最後 再來看看 Google 的講師怎麼回答這些問題。

What is being predicted?
What data is needed?
Cast the ML problem as a software problem
What is the API for the problem during prediction?
Who will use this service? How are they doing it today?
Now, cast it in the framework of a data problem
What are some key actions to collect, analyze, predict, and react to the
data/predictions (different input features might require different actions)

[Framing an ML problem debrief]

Ref

Google Cloud