背景

1. 曾任職被動元件廠的品保工程師，鑒於以往資料分析無法滿足龐雜的資料與客戶端需求，希望培養資料洞察力與建模預測能力，到資策會AI/Big Data資料分析班進修，初步認識這個領域。
2. 在進修期間確立了往資料科學發展的想法，在朋友的推薦下，開始到Kaggle Playground Competitions尋找有興趣的主題(主要是影像辨識)，參考前輩們的解題邏輯自己摸索。
3. 目前程度大約是：觀察資料集與確定目標後(ex.多元影像分類)，可以自己安排資料清洗方式與模型訓練流程，及嘗試可能的模型優化方法。
4. 「一個好的工程師，必須有自己的Side projects。可以是磨練新技術，或是解決生活中遇到的問題」。因此，我找了以前的夥伴組隊報名2021年的玉山人工智慧挑戰賽，才有了這系列的文章。

參賽契機

1. 玉山人工智慧挑戰賽結束後，想找時間彙整競賽歷程和學習成果，但總是提不起勁。頻繁使用阿Q的精神勝利法安慰自己：「工作太忙、假日要適度休息...」，就這樣延宕了3個月。恰逢iThome鐵人賽，需要連續30天寫作分享，故把握這次機會，強迫自己走出舒適圈。
2. 從一開始接觸Deep learning影像辨識，追隨前輩們步伐的懵懂前行，到伙伴們合力完成玉山AI競賽。藉由此次的沉澱，跟大家分享中文字辨識可能遇到的問題與解決方式，希望可以拋磚引玉、教學相長。

主題介紹

1. 名稱：玉山人工智慧挑戰賽2021夏季賽-中文手寫影像辨識
2. 期間：4/12/2021-6/18/2021
3. 內容:
   • 主辦單位提供約七萬張手寫中文字圖檔，每個圖檔命名對應該中文字。參賽者透過CV演算法，精準辨識圖片內手寫文字。
   • 需要辨識的中文字共有800個，當該圖檔文字「無法辨識」或「不屬於800字的任何一類」，須判定為isnull(其他類別)。
   • 需要將訓練好的模型打包，在Google Cloud Platform部屬API Server，提供手寫中文字辨識服務。

小結

1. 第1天的前情提要到此告一段落，接下來準備踏入影像辨識的領域。
2. 請大家多指教，有任何問題或建議，歡迎留言討論。
3. 由於撰文時間緊湊，實作的完整程式碼，會緩慢更新到GitHub上，請多見諒。