• Latex語法參考對照表：

(https://blog.csdn.net/qq_49207029/article/details/121045764)

• 未來每隔5日，我會預先預告未來5日的標題

• 本主題有許多的專有名詞，未來在30天內第ㄧ次出現的時候會以中英文詳加解釋，之後出現如「未來以『英文表示』如「未AI」即在後幾日出現的時候均以「AI」代替人工智慧，不再詳加解釋，如果忘記了，可以按照標題往前幾日翻閱。

• 本系列的程式碼將以機器學習套件sklearn為主，作最基礎的示範。
  、、、

• 在進入主題內容之前：
  ML牽涉到很多線性代數，如果你沒有學過，也不用緊張，我會用最簡單易懂的方式教你，數學不會用到超過高中生的程度，毋須擔心，或是你有看不懂的地方，可以在底下留言，如果我有看到，我就會回。

  有些事項，要事先聲明，因為ithome 的鐵人賽並沒有提供Latex的數學表達式，未來你會看到很多「\lambda」、「\frac{1}{N}」表示1/N，因爲有些數學理論要說明清楚，所以我會用原始碼（Latex的語法）學出，如果有看不懂的可以參考(https://blog.csdn.net/qq_49207029/article/details/121045764)去查，這個連結我會放在 day1標題的下方，如果忘記了可以隨時回來查詢.

  本系列文章是針對沒有任何程式基礎的一般生，想要快速了解何謂程式設計，Al 人工智慧(Artificial Intelligence)本系列文章未來以AI表示之；ML （Machine Learning）機器學習未來以ML表示之；NLP(Natural Language Processing)自然語言處理未來以NLP表示；DL(Deep Learning)深度學習未來以簡稱DL表示之，提供相關演算法原理與背後簡單線性代數(Linear Algebra）的基礎入門款。期能讓初學者一窺究竟，由深入淺出方式探討AI的奧秘，未來進而想要達成對人工智慧領域進一步深造。如果已經有AI相關基礎，想要加強基礎數學，也可以由以下連結直接切入想要學習的主題。
  、、、

• 未來5日的標題大綱：
  day2_AI/ML/DL & Data最早出現歷史
  day3_AI/ML/DL 常用術語同義字與基本概念 (1/2)
  day4_AI/ML/DL 常用術語 (2/2)
  day5_ML常見演算法（迴歸，分類，降維，分群)
  day6_ML常見分類演算法（決策樹，隨機森林）（1/5)

• 這個系列的文章，也是整理我的ML學習心得，除了寫給您們看，也是我自己學習的軌跡歷程，希望對您有所幫助。