Math.py

演算法 Algorithm 的定義 :
A finite, definite, effective procedure, with some output. – Donald Knuth,1968.

A well-defined procedure for transforming some input to a desire output. – Cormen et al. Introduction to Algorithm

整個演算法的分析步驟如下 :

1. 遇到自然且實際的問題待解決
2. 使用簡潔的方式描述問題
3. 找出一套演算法可以清楚、簡單的解決問題
4. 證明這套演算法是正確的，並且解決問題所花的時間必須在可接受的範圍內。

這是一場以聊天機器人 ( ChatBot ) 為主的座談，地點在台灣大學博理館演講廳，主要與會學者為 : 李宏毅 (台大電機系教授)、蔡宗翰 (智慧型資訊服務研發實驗室指導教授) 、陳縕儂 ( 台大資工系教授 ) 以及陳昱翬 ( Google Health 成員 )。

在這場演講中，我僅針對李宏毅老師的部分作簡單扼要的摘要。

去年因緣際會知道了有關大數據、資料科學、機器學習這些領域
本來考慮要去參加資策會的課程，但自己要在家帶小孩
如果參加課程，小孩要找保母，整個機會成本太高，因此決定自學先

網路課程現在幾乎是隨手可得，想要自學的人根本不怕沒有教材可以學習，但是五花八門的課程中，怎麼去選擇就是一個很重要的問題了。

我自己是一個門外漢，因此在選擇課程以及安排上面花了蠻多時間，以下大多是我看過或是大概瀏覽過覺得不錯的課程，就推薦給想要自學又不知道怎麼開始的朋友們吧~

前言

機器學習或是深度學習，雖說發展已久，但在近幾年的發展突飛猛進，不管是 google , Facebook 還是 Amazon 的論文發表真的是一篇接著一篇，新技巧、新概念的開展著實讓人覺得不可思議，要了解整個發展以及新技術的應用，閱讀論文想必是最快速的方法。

在台灣 Pytorch Taiwan 以及許多讀書會也都開始有論文閱讀的部分都是正在進行式，我也是期待自己養成閱讀論文的習慣，因此便著手第一篇論文的閱讀。

第一篇論文，就從這 Convolutional Neural Network 的發源論文 “Gradient-Based Learning Applied to Document Recognition” 作為起頭吧 ! 這篇論文介紹了經典模型 LeNet-5 進行手寫數字辨識，許多人都將此論文視為 CNN 的起源，雖然說此論文年代稍為久遠，與現今的 CNN 模型稍有不同，但仍可藉由此論文體會、了解 CNN 的架構及精神。

前言

現今的物體辨識技術基本上都是使用機器學習來進行。為了增強整個辨識的表現，我們必須收集更多的資料、使用更強大的模型以及更好的技巧來防止 overfittng 的發生。直至目前為止，我們所使用的 label Data 仍是相對較小的 data set ( 約莫幾萬張圖像的數量級 )，而現今的技術，這樣大小的資料在簡單的分類任務上已經可以做的非常好。

其實我根本忘了我在哪邊報名的，上週 google 打電話來跟我確認時間我還問他到底內容是什麼，再回去找信箱才發現我竟然真的有報名。

有人前幾年參加過，戲稱這是 Google Cloud 的佈道大會，其實免費的場次，美其名都是研討會、課程，但終究會回到商業目的，可能是產品銷售、也可能是徵才，不過今天聽下來還是有一些不錯的心得跟感想。