我要成為 Googler 子系列 今天第10天 !!!
在 這個主題(Predicting Inter Bus Arrival Times )裡 ，想分享一些 學習的資源(我的學習歷程)，所以放了台大李宏毅老師的開放課程筆記，還有今年8到9月間，在IT邦看到的活動 ML Study Jam 機器學習培訓計劃 - 進階的整理筆記。在倒數的十天裡(21~30)，除了會整理Google ML Study JAM的內容，還會分享開發 ML X 友廷等公車 ML的部分，如果想看 Web 前端如何製作，可以看我在 Modern Web 已經完賽的系列文 ML X 友廷等公車!!!

前五天 : Best Effort 把 How Google Does Machine Learning 的內容打完，會放GCP的學習教材資源
有影片 + pdf ，沒有 Lab + Quiz(因為免費期限過了)

後5天的規劃(大概是這樣) :
倒數 10 天 : 相關文獻
倒數 9 天 : 找框架 - sklearn
倒數 8 天 : Data Data
倒數 7 天 : 建立模型 >>> 動態訓練模型
倒數 6 天 : 圖表/數據分析
最後一天 : Celebrate!

昨天的例子是 Aucnet ，使用的方法是 custom image model on Google Cloud Platform using TensorFlow (圖左)

但其實有個更簡便的方案 Pre-trained ML models

There are a variety of domains where Google exposes ML services trained with our own data.

ex : 聽演講想把錄下來的聲音 做抄錄(transcribe)，可以使用 Speech API，取代 自己收集資料-->訓練資料-->預測結果。

Ocado 是 使用 pre-trained ML model 的其中一個例子。

Ocado is a British online supermarket that describes itself as 'the world's largest dedicated online grocery retailer'. In contrast to its main competitors, the company has no chain of stores and does all home deliveries from its warehouses. The company was floated on the London Stock Exchange on 21 July 2010, and is a member of the FTSE 100 Index.

過去 :
Customers send email, and traditionally each
email would get read and routed to the appropriate dept.
But is not scale!
現在 :
Ocado turned to natural language processing. They were able to get sentiment,entities, parsing syntax.
The computational technology helps Ocado parse through the body of emails, tags
and routes to help contact center reps determine the priority and context

[趨勢]
現在 人們購買東西，不會想去網站上找商品並購買，他們也不想 寄mail給你(台灣好像沒這個模式，只是有問題時聯絡客服)。取而代之，他們想直接talk，互動式的。
在獲取他們的問題和如何回答(像是真人) 值得思考。

Manually answering each call doesn't scale.
Gartner 預測在未來幾年內，會著重在 conversational interfaces (like chatbot)
而不是 mobile app。

future development : high-level conversational agent tool called
Dialogflow

Ref :