-- 課程簡介與心得
這是一門Coursera在機器學習的基本課程，而且是"Case Study Approach" 進行課程，因此與大部分課程不同的是，他並不是先講了大觀念，再分派作業去練習這個觀念，而是已解開一個專案為設計的出發點的一門課程(像是從第一堂從資料預測去房價)。
課程介紹
學習目的：對於ML有個簡單的樣貌概覽(Brief Overview)。
使用對象：給有程式經驗，卻完全沒有ML知識的人。
先備知識：初統, 基本python使用(建議懂點Pandas)。
課程推薦原因：Project-Based，短時間就可以練習幾個小專案。比起了解理論後練習題目，這門課可以寫出自己的成品，會更好瞭解完整解決問題的流程。因為目標明確，學習動力大、也比較容易掌握內容核心。
廢寢忘食指數：🌟🌟🌟
可能問題：剛開始在安裝和第一堂課花了巨量時間，我遇到的問題是Mac不相容與軟體本身安裝，解決這些問題後，速度會快很多。另外，建議在完成第一週前，學習不要中斷，不然容易忘記嘗試過什麼解決方式，動力也會被消耗。
所需軟體：Anaconda, Jupyter, Graphlab
使用方式建議
先仔細聽完理論，實作時快速瀏覽一遍，自己寫的時候不看答案，搭配ML User Guide自己想辦法寫出來。我自己在實作時是會一邊聽課，一邊把需要用上的資料(程式、閱讀連結)做成筆記，再自己寫。
雖說實作講解看起來就可以開始跟著寫了，但其實裡面還有很多理論沒概括到的概念，所以建議把實作講解也當作理論，把不懂概念查一查。
附加價值
學會查詢符合需求的資料：學習新東西的時候很可能因為沒有知識基底而不知道有哪些功能可以用，寫程式的部分，因為這堂課有從頭至尾的完整流程(說白的就是答案)，所以可以練習用自己的方法找資料，看能不能找到和講解一樣的結果，或是更多方法。概念的部分，先大致聽過，也能更聚焦找到更符合應用需求的資料。
延伸學習
同樣學校開的深入課：有些時候課程講解會稍嫌模糊，這時可以把那些克找出來更深入的去了解運作原理。
實用資源：
ML Crash Course
Machine Learning Crash Course | Google Developers
Medium — Toward Data Science
我寫的：
esther119/ML_foundation
A ML foundation by using GraphLab on coursera. Contribute to esther119/ML_foundation development by creating an account…github.com