“It’s going to be interesting to see how society deals with artificial intelligence, but it will definitely be cool.” —Colin Angle

補充：

訓練模型最困難的點往往是資料集的問題，除了可以去Kaggle等AI資料平台尋找想要的資料以外，單位機構提供的API也是個好辦法，tensorflow或keras也有提供資料增強的辦法，可以讓你基於原先的資料，產出更多的新資料。舉例來說：將圖片轉向、翻轉、拉伸等等。

AI目前流行透過預訓練模型進行微調(fine tuning)，讓配備沒那麼好的散戶，也能有強大的模型！

取決你要做的用途，甚至可以用AI創造的資料去訓練AI。

另外，多應用的結合創意也是目前AI產業最缺所需要的，例如可以將上篇的模型透過串接Line Notify的方式：

目前很多的競賽都是希望參賽者能發揮創意，活用現有的AI工具，去打造別樹一幟的應用。

推薦影片：

非常優秀的教授，深入淺出！Hung-yi Lee - YouTube

3Blue1Brown的But what is a neural network? | Chapter 1, Deep learning系列

3Blue1Brown很多影片都是用圖像化的方式幫助理解，十分推薦給想要學習數學相關知識的各位！

建議：

相較於演算法跟資安，我覺得對於入門AI開發來說，你不一定要對AI知根知底(了解底層的數學原理)，只需要對每個步驟在做什麼，有個基本的認知即可。

在絕大部分開發中都是站在巨人的肩膀上，造輪子當然有用，它可以幫助你對於正在使用的工具有更深層次的理解。不過，千萬不要拘泥在必須搞懂底層原理，最後自己把自己扼殺在搖籃中。