機器視覺：目標是讓計算機能夠「看」和「理解」視覺數據，並幫我們完成分類與辨識。

機器視覺應用

1. 人臉識別: 用於身份驗證、安全系統、社交媒體標記等。人臉辨識是一種機器視覺領域的技術，旨在識別和驗證人臉的身份。運作流程簡單來說會是：人臉偵測→特徵提取→特徵匹配。而其中在特徵提取的地方我們就可以用卷積神經網路來幫忙

2. 醫學影像分析: 檢測和診斷疾病，例如腫瘤檢測、X光解讀、皮膚病識別等

3. 虛擬現實和擴增現實: 用於創建虛擬世界、視覺增強的應用像是VR遊戲

4. 交通監控: 大概在生活中最能有感覺的就是車牌識別、以及google map的交通流量監測

5. 環境監測: 可以幫助預測氣象條件、監測地震、火災等自然災害，並監測環境中的有害物質。

文字預處理

之前我都講圖片的處理，那如果是文字呢？在文字方面，首先要將字轉成電腦能理解的形式，也就是要將文字轉成數字。這部分我們在最一開始有跟大家介紹過兩種方法，其中最常用的就是詞向量 (word vector)

還記得我們在做MNIST手寫圖片時有做過資料的預處理嗎？對於文字我們也需要，這些預處理步驟有助於減少文字資料的維度。我們來講一下常見預處理動作

1. 斷句與斷字 (Tokenization): 將文本分成獨立的詞彙單元（token）的過程。 Token可以是單字、數字、符號或標點符號等。幫助將文字分解成機器可以理解的部分。

2. 將全部字母轉成小寫: 將文本中的字母全部轉為小寫有助於減小文本資料的維度，並確保不同大小寫的詞彙被視為相同的詞彙。

3. 移除停用詞(Stop Words): 停用詞是指那些在文本中頻繁出現但通常沒有表示特別意思的詞彙，如"the", "a", "and"等。

4. 移除標點符號: 標點符號對於大多數NLP模型通常沒有特殊的資訊價值，因此可以被移除。但在某些情況下，問號等標點符號可能包含有用信息，因此可以保留。

中文文字預處理與英文有些相似之處，但也有一些不同之處。接下來我們來講講中文的處理方式

1. 中文字元編碼: 在處理中文文字時，需要確保文字以正確的字元編碼進行處理，如UTF-8編碼。

2. 移除停用詞: 像英文一樣，中文文本中也包含許多停用詞，如「的」、「是」、「在」等。 這些詞彙通常沒有特定語義，因此可以被移除。

3. 移除標點符號: 與英文一樣，標點符號通常被移除，因為它們通常不攜帶特定語意訊息。

4. 中文字元規範化: 中文文字中的字元可能有不同的形式，繁體字和簡體字等。在預處理過程中，可以對字元進行規範化，確保它們具有一致的形式。

完成這些預處理步驟後，我們就可以來架設模型讓文字用於各種NLP任務，例如文字分類、情緒分析、資訊檢索等。

最後30天的競賽這樣就寫完了，最後一天真的覺得把所有我讀到、學會的都已經記錄下來，有點不知道要寫什麼有點可惜。

有人說養成一個習慣需要 21 天，放棄只需要 1 天，這連續 30 天裡每天都學一點知識，其實也格外覺得充實，雖然常常想破頭不知道怎麼寫怎麼表達。

能堅持下來的人都很了不起，《原子習慣》一書說過「每天進步1%，一年後你會進步37倍」，希望大家都可以獲得自己想要的。謝謝大家