1.製作證書會附上同學心得與照片，請同學好好寫上心得。(要記得打標點符號)


Deepracer是要用來學習機器學習方式

人工智慧、機器學習和深度學習的區別

人工智慧(Artificial Intelligence)、機器學習(Machine Learning，M.L.)和深度學習(Deep Learning，D.L.)，從字面上來看，人工智慧和後兩者似乎沒什麼關係，但它們三者其實緊密相關。廣義的解釋下，人工智慧是指「透過電腦程式或相關科技硬體來呈現人類智慧的一種技術」，而機器學習的基本定義為「機器具備學習的能力」，深度學習身為機器學習的更深層分支則是一種「實現機器自動學習且不需人為介入的技術」，人工智慧的解釋想必大家都沒有疑問，但機器學習與深度學習之間的差異，究竟是什麼？

機器學習＆深度學習解決問題方式大不同

機器學習步驟：獲取資料→分析資料→建立模型→預測未來

機器學習與人類出生後的學習軌跡相似，從訓練(Training)到預測(Predict)，細分下去步驟為獲取資料、分析資料、建立模型、預測未來，使用人工開發的演算法先進行分類，再依據人工標記的特徵來進行學習，其實資料處理的過程就是一種是非題的概念。

深度學習步驟：原始數據→特徵標記→獲取答案

而深度學習是分層特徵學習的概念，能夠自動從原始數據執行特徵標記，也稱為特徵學習(Feature Learning)或特徵抽取(Feature Extraction)，簡單來說就是讓電腦自行分析資料並找出「特徵值」來進行分群，而不需人類介入後的決定。不過機器學習和深度學習兩者也不完全是分開來個別作業，它們是可以相互合作去學習的。實務上深度學習可以在進行特徵抽取後由傳統分類器進行分類，或者是利用深度學習來先做降維的工作，都是很好的互利辦法。


ai工程師工作內容

隨著科技越來越進步，日常生活中處處可見人工智慧，而 AI 工程師也成為炙手可熱的職缺之一。常聽聞ai工程師薪水高，但AI工程師須具備程式設計能力、爬蟲及資料清洗能力、影像識別/文字識別能力、統計及機器學習能力，而工作內容偏向數據蒐集與分析、或是針對系統所需設計相對應的神經網路、分析實際應用的正確率與錯誤率、甚至是網路模型理論推導與演算法開發，這些看似非常嚇人的專業名詞可都是 ai 工程是應具備的硬實力哦！

ai工程師薪水行情如何？

ai工程師薪水高，但需必備什麼條件與技能？

對於 AI 工程師來說，最核心的競爭力無疑是他們對人工智慧、機器學習等技術的知識積累以及融會貫通的能力。而 AI 工程師的「硬」實力很重要，你必須具備基礎的程式能力，對於資料結構與演算法有著一定的掌握度，在程式語言中又屬 Python 在人工智慧上的應用度最高。但由於人工智慧產品通常會為一個複雜的產品鍊，所以通常需要應用到多個語言，因此掌握 Python 為基本，但不如也多學習其他的語言比如 C++、Java 都是十分必要的！