※ 引述《NCKUFatPork (成大肥宅悲歌)》之銘言：
: 小魯覺得deep learning很潮決定跟風一下
: 林軒田的ml符號太多看得很痛苦
: 後來決定上完udacity的ml課
: 會用sklearn的內建函數做一些東西
: (svm,nb,linear regression,decision tree)
: 不過對演算法還是懵懵懂懂
: 最近去書店看到Ian 的deep learning
: 翻一翻覺得好像寫的不錯
: 一個衝動就買下去了
: 想問一下建議直接開始看deep learning
: 還是回去補完林軒田或cs229再開始好
雖然很多 machine learning (ML) 的演算法都寫成 library
但 ML 並不是像寫程式時 call library
即使不發展新的 ML 演算法 只用現有的 ML 演算法
仍需要對特定問題相關的知識 (domain knowledge)
目前大部分的 ML 都需要手動建 feature
但 feature 的建立和選擇就是一門學問
這需要對某個領域相關的知識
理論上 有一些 ML 可以不用手動建 feature
deep learning 也是其中之一 但實際上應該沒那麼理想
要不然早就有人會發表相關成果
然後 domain expert 就失業了 XD (誤很大)