# 計概課程心得報告 ## Part1:學習心得 計概的課程有分為許多不同的主題，老師會針對每一個主題單獨講解，每週都能學習到不同的新知識。雖然有些主題比較艱深難懂，但老師會透過一些貼近主題的輔助工具，像是RapidMiner，以及一些實際的例子讓我們較容易理解。印象深刻的一堂課，是利用Microbit來讓小恐龍跳動，雖然最後失敗了，但實作的過程卻非常有趣，也讓我們更了解課程主題。 除了教學外，作業也是課程的重要一環，每一次課程，幾乎都有跟主題相關的作業，讓我們更熟悉所學內容。特別的是，作業的繳交通常會搭配筆記軟體，如hackmd,notion，這樣的方式讓我整理重點的能力大大提升，不僅僅是單純吸收課程的內容，而是能夠融會貫通，並將自己的所學教授給他人。除此之外，運用簡報在作業中時常碰見，如AI新創產品和Sell me one device，在短時間內如何經由精簡的文字來介紹產品是非常困難的。透過觀看同學的簡報，無論是好是壞，都能看見自己製作簡報的不足之處，進而修正。歷經計概豐富的課程和作業的洗禮，我的各方面能力都有了顯著的提升，在面對未來的難題時有了一戰的資本。 ## Part2:學習規劃 在計概眾多的課程中，最吸引我的是AI人工智慧，AI帶來的便利性和擴展性讓我想踏進AI的領域。但想學知識，不能像隻無頭蒼蠅一樣，而是有規劃性的學習。因此我查找相關資料並針對學習AI整理出自己的學習計畫。 #### (一)修課計畫: * 在大三下選修學校的人工智慧導論課程 * 在大四下選修深度學習課程 * 參加校外實習 * 積極參加AI相關演講 #### (二)網路學習資源: ##### 1.概論 * [Coursera] 大數據分析：商業應用與策略管理(線上課程) * [ Coursera ] Big Data Specialization * CS231n ##### 2.Python * [ Coursera ] Python for Everybody Specialization * [ Coursera ] Fundamentals of computing * [ Coursera ] [ Coursera ] Fundamentals of computing ##### 3.Mathine Learning * [ YouTube ] 機器學習基石 & 技法 * [ YouTube ] Machine Learning — 李宏毅 * [ YouTube ] Large-Scale Machine Learning * [ Coursera ] Machine Learning — Andrew Ng ##### 4.Math * [ 清大開放式課程 ] 機率論 * [ 清大開放式課程 ] 統計學 * [ 清大開放式課程 ] 數理統計 * 線性代數課程 #### (三)相關書籍: * <練好機器學習的基本功> * <深度學習入門教室> * <深度學習必讀keras大神帶你用Python實作> * <實戰TensorFlow Keras工作現場開放>