大家好，我是Teresa，這集的學習筆記是要讓大家思考機器學習到底可不可行？那就讓我們開始吧！
先來做個小測驗吧！若給你以下六張圖，它們分別被歸類為-1或+1，若再給你第七張圖，請你觀察前六張圖片來給定一個規則，你會將第七張圖歸類為+1或-1呢？
若你的答案是+1，其實答案是+1，因為前三張圖片的最左上角都是黑色的，後三張圖片的左上角是白色的，因此這題的規則是左上角的格子若是黑色就是-1，若是白色就是+1。回到第七張圖，它左上角是黑色的，因此答案是-1。
若你的答案是 -1，其實答案是+1，因為前三張圖片沒有對稱，後三張圖都是對稱的，因此這題的規則是有對稱的為+1，沒有對稱的為-1。回到第七張圖，它是有對稱的圖形，因此答案是+1。
其實還有更多隱藏的規則。發現了嗎？不同人所看到的規則都不同，因此不管你說的答案是哪個，都可能是錯誤的。這樣看起來機器學習是不是不可行呢？
如果從數學的角度來看另一個例子，若有3個位置而每個位置都只能有0或1，給定五筆資料，那你會怎麼決定這題的函式g呢？
| 輸入 | 輸出 |
| 0, 0, 0 | +1 |
| 0, 0, 1 | -1 |
| 0, 1, 0 | -1 |
| 0, 1, 1 | +1 |
| 1, 0, 0 | -1 |
如果我們把所有可能的256種結果都放在函式中，若請機器學習經過演算法後，找出函式讓這五筆資料跟上方的輸出結果相同。那符合這樣的結果所找出來的函式是好或不好呢？
| 輸入 | 輸出 | 假設 | 函式1 | 函式2 | 函式3 | 函式4 | 函式5 | 函式6 | 函式7 | 函式8 |
| 0, 0, 0 | +1 | +1 | +1 | +1 | +1 | +1 | +1 | +1 | +1 | +1 |
| 0, 0, 1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 |
| 0, 1, 0 | -1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 |
| 0, 1, 1 | +1 | +1 | +1 | +1 | +1 | +1 | +1 | +1 | +1 | +1 |
| 1, 0, 0 | -1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 | -1 |
| 1, 0, 1 | ？ | +1 | +1 | +1 | +1 | -1 | -1 | -1 | -1 | |
| 1, 1, 0 | ？ | +1 | +1 | -1 | -1 | +1 | +1 | -1 | -1 | |
| 1, 1, 1 | ？ | +1 | -1 | +1 | -1 | +1 | -1 | +1 | -1 |
從上方表格來看，有8種函式都符合前五筆資料，那你要怎麼判斷剩下的三個資料屬於+1還是-1呢？
從這兩種例子來看，如果我們要從沒有正解的資料中找到一個函式來決定它們的輸出，看起來是一件非常困難的任務。但回歸機器學習，我們想要的其實是我們找到的函式能否和原本的函式一樣好，就像是之前提到的信用卡核發的案例，我們不是從已有的舊客戶去決定應不應該核發，而是從一個新客戶來決定核發的結果會不會跟理想的狀況一樣正確。
我們會稱這樣的狀況為：no free lunch，意思是如果只是給機器資料，讓機器去學，資料會發生什麼事，通常我們會沒有辦法說出一個結論，因此我們會需要加上一些假設，不然任何規則都有可能成立。
那我們現在遇上難題了，機器學習似乎都不能做。那我們有哪些工具能把未知的資料做推論呢？
如果給你一個大瓶子，裡面有一堆綠色或橘色彈珠，那橘色的比例是多少呢？如果我們沒有一顆顆拿出來數，我們真的很難說這個瓶子裡橘色彈珠的比例是多少。
常見的方法是隨機抽10顆彈珠當作樣本來看橘色佔了幾顆，如果10顆裡面有3顆是橘色的，那我們可以說橘色彈珠的比例是30%。
我們假設橘色彈珠的機率是x，那麼綠色彈珠的機率就是1-x，x我們不知道是多少
我們剛剛隨機抽樣的方法，可以說橘色彈珠的機率是y，綠色彈珠的機率就是1-y，y我們知道是多少
從機率與統計的角度來看，我們不能確定我們隨機抽出來的樣本所得出的橘色比例就等於罐子裡真正的橘色比例，你有可能抽到全部都是綠色或全部都是橘色，但其實這樣的機率很小，所以我們可以說隨機樣本所得到的比例y和真正的比例x其實「大概」是很「接近」的，但我們沒辦法有確定的答案。所以x = y大概、差不多是正確的（PAC）
這在數學統計上，如果樣本（N)夠大，大致上來說x跟y是很接近的（會在某個誤差範圍裡），數學式子為：
當N很大的時候，這個y和x相差很大的機率會很小，這個不等式稱為Hoeffding’s Inequality（霍夫丁不等式），就像是丟銅板和民調為什麼和真實情況這麼相近。
把彈珠的例子回到機器學習，我們不知道的事情是「假說函式所得出的結果會不會等於目標函式的結果」，我們如果已經有一個固定的假說函式，把彈珠想成輸入資料，若抽出來之後，跟假說函式所得到的結果不一樣，就漆成橘色的，若一樣就漆成綠色的。全部漆完以後，
隨機抽出來的彈珠就會變成已知資料的數量。如果資料量夠大，只要檢查假說函式在這個資料上的表現好不好，有幾筆跟目標函式的結果不一樣，就等同假說函式跟目標函式不一樣的比例是多少。
我們取樣後的機率可以用來產生資料，也可以衡量假說函式和目標函式一不一樣。Eout是指h跟f在罐子裡一不一樣，相當於剛剛的機率x；Ein在資料上h跟f長的一不一樣，相當於剛剛的機率y。
套用到剛剛的Hoeffding’s Inequality，如果樣本數夠大，我們可以說這兩個函式就會很接近。
但，真正的機器學習是要有選擇的，而不是每次演算法都採用固定的一個假說函式。所以如果我們只有一個假說函式，我們就只是在「驗證」假說函式在資料上的結果好不好，而不是從演算法從假說集合中「選擇」一個假說函式。
如果我們有很多假說函式的話，你的演算法找到其中一個假說函式說在你所看到的資料上是全對的，那這個假說函式是好還是不好，要不要選這個假說函式？
如果我們所有人都投5次銅板，明明銅板擲到正反面的機率都是1/2，但你可能會覺得5次都擲到正面的那個銅板比較好。當我們有選擇的時候，我們可能就會有偏見的選擇所有丟的紀錄中最好的那一個，但其實這些銅板都是一樣的。
剛剛Hoeffding’s Inequality告訴我們取樣出來的機率和全部的機率大部分的時候是一樣的，只有很小的機率會是不好的。不好的是指取樣出來的機率y跟全部的機率x差得很遠。但我們又發現有選擇的時候，這些選擇會惡化不好的情形。原本只有一個銅板的時候，機率通常是1/2，最不好的機率也就只是每次都擲到正面的機率1/32。但如果今天有150個銅板的時候，你選到最不好的機率會超過99%，也就是不好的機率惡化了。
如果我們抽很多種樣本，其中總會遇到Hoeffding’s Inequality說的樣本是不好的。演算法沒有辦法自由自在地做選擇，有可能取得不好的資料。如同下表，每一列中可能都會有不好的資料，從Hoeffding’s Inequality我們可以知道這些不好的資料加起來機率會很小，但我們現在要的是演算法能夠自由自在地做選擇，就像是每一行中可能都會有不好的資料，只有D3和D1223會是好的資料。
| D1 | D2 | D3 | …… | D1223 | DN | Hoeffding | |
| h1 | BAD | BAD | BAD…… | ||||
| h2 | BAD | ||||||
| h3 | BAD | BAD | BAD | ||||
| …… | |||||||
| hm | BAD | BAD | |||||
| ALL | BAD | BAD | BAD | ？ |
如果只要有一個不好我們就說是不好的資料，那在所有不好資料的機率是多少？會比原本的機率大m倍。但如果我們的資料量夠大，不管演算法怎麼選，一定可以選到一個假說函式會有好的性質：Ein跟Eout是接近的。
最合理的演算法是算一個假說函式，它的Ein最小。因為如果它最小，Eout也就會最小。所以只要今天的假說集合是有限種的選擇，資料量夠多，演算法還是可以選到Ein跟Eout是接近的，機器學習還是可以做到事情。不過線是無限多條的，這裡就留下一個伏筆。
那麼，機器學習EP. 4就到此結束囉～如果喜歡、想追蹤我更多筆記，可以加入程式小白的 JS Python 學習群的社團。社團中也會有其他學習夥伴和你一起討論、交流、互動哦！
疫情之下，原本實體活動全都改成線上，活動分享全都在網路上很容易錯過，這邊整理了幾個跟數位教學相關的活動資訊給大家參考，分享順序為活動時間⏰ 1. Google Workspace技術整合術 Google Workspace for Education (原 G Suite 教育版) 能透過 Gmail、Google Drive、Google Calender、Google Meet 和 Classroom 等通訊與協作應用程式創造輕鬆與順暢的學習環境，並促進協同合作以提升數位學習與教學成效，而且還會為學校資料提供雲端安全性防護…
實體的教室變成一格一格的畫面，原本吵雜的下課時間也變成掛斷通話的系統聲。原本在班級中的歸屬感慢慢消失了，久而久之，孩子的對於學習，不再有群體的感覺，只是孤軍一人學習、複習、考試，甚至是畢業典禮都少了一份臨場感。因此，今天要和大家介紹一款現在在教育界還很少被提到的軟體-Gather。 Gather 如果你還不知道Gather，或是直覺的把Gather與虛擬會議室連結在一起，不妨先看看Gather裡的特色： 介面是像素型RPG 每個人自由創建一個角色 上下左右輕易控制角色 走道其他角色旁邊能互相討論 小遊戲battle 光是這五點特色，就足以推派它成為遠距教學的工具，除了打造不同空間的地圖外，最特別的是Gahter打造前所未有的臨場感，人與人之間只有靠近到一定距離，才能聽到彼此說話聲音，而相對應的，離開後聲音就會漸漸聽不到，就連白噪音的設計也是如此，非常的逼真。 不知道老師們會不會因為搭建地圖覺得麻煩，或是看到2D介面怕學生當遊戲在玩而不考慮這款軟體，換個角度思考，藉由不同地區的老師們集思廣益，打造出最適合學生學習的環境，像是不同學科的教室、戶外自然生態區、操場、籃球場等等....都可以更貼近真實校園，而像素的介面正好提高學生的學習意願，老師們擔心學生過於沉迷時，也能用全體廣播放上課鐘聲，或是讓學生們聚集在同一區，鏡頭站起來動一動 (另外推薦Active Arcade -> 趣味運動的APP )，就像早操一樣很真實。 線上教學缺乏臨場感，Gather可以創造了讓大家「一起在一個遊戲世界」的凝聚力。縱使Google Meet、Teams 雖然也可以進行討論，但若要每堂課要穿梭在不同會議間，節奏不流暢，使用Gather可以讓學生更自由地移動，相對應的老師也可以神出鬼沒地到處「旁聽」。 教孩子用科技解決問題，如果老師們也努力著示範給孩子看，創造出獨一無二的學習空間，相信對於孩子學習的歷程中，有莫大收穫。但到底怎麼開始使用？別擔心，這次快樂學程式邀請到Gahter界的大神 阿岳，要來和大家分享Gather的6大應用技巧，限名額唷~…
HTML入門&基本觀念介紹！ 構成一個網頁，最重要的就是他的結構，而HTML就像是他的骨架，而CSS就是像是我們身體上的肌肉一般，而JS則像是人體的神經、血管般調整著我們身體、傳遞訊息，那麼HTML究竟是指哪些語法呢？ 什麼是HTML? HTML全文又稱為HyperText Markup language ，也就是所謂的超文本標記語言，是網頁構成的基本要素，換言之，網頁就是由一堆html所構成，透過瀏覽器，顯示文字、圖片、以及其他相關我們可以在網頁上看見的基本元素。而對於剛學程式的朋友來說，HTML有以下幾個重點： HTML的基本架構： HTML的基本觀念與優點1.容易學習-HTML的文檔製作非常簡單易懂﹐功能強大之餘還支持不同格式的文件鑲入。2.製作門檻低-HTML是文本﹐它需要瀏覽器的解釋。只要你學會了HTML﹐你就可以直接在Windows的記事本或寫字版上進行製作和編輯﹐當然你也可以用WPS來編寫﹐只要注意在存檔的時候用.htm或.html來做檔名就可以了3.有利於搜尋引擎理解你的內容，透過HTML所構成的頁面被稱作所謂的”靜態頁面”﹐而Google爬蟲會優先收錄靜態網頁﹐所以HTML對於Google來說就像是鯊魚聞到血腥味一樣﹐有利於吸引Google爬蟲。4.加快瀏覽速度-因為靜態網頁無需連接數據庫﹐因此比打開動態網頁的速度較快﹐對於消費者體驗來說有所幫助。5.網站更安全-因為HTML頁面不會受Asp相關漏洞所影響。 HTML的缺點與限制 1.太簡單﹐不能適應現在越來越發達的網路世界和應用的需要﹐比如手機﹑PDA﹑信息家電等都不能直接顯示HTML2.太龐大﹐由於HTML代碼不規范﹑臃腫﹐瀏覽器需要足夠智能和龐大才能夠正確顯示HTML。顯然在你的PDA上裝一個IE6是不可能的。空間不夠﹐運算也跟不上3.數據與表現混雜。這樣你的頁面要改變顯示﹐就必須重新制作HTML。對不同的網路設備顯示同樣的數據都需要制作不同的HTML4.只能對文本進行排版﹐而且HTML樣式使用標準文本標識﹐不能創建一些特殊效果 所以我該如何學習HTML? 有什麼比較快的方法嗎？ 答案是沒有的﹐學習程式語言就像是學習廚藝一樣﹐只有透過不停的嘗試﹑嘗試和嘗試才能讓自己有所成長﹐並且慢慢強大。過程中你會一直遇上困難和失敗﹐但你在不斷解決困難的過程中能夠不斷發掘新的知識﹐從失敗中發才能不停的成長。無論你是學習那一種程式語言﹐都需要經歷困難和失敗才能讓自己更加強大﹐正所謂:不經一番寒徹骨，怎得梅花撲鼻香呢?對吧﹐我們能做的不是要找捷徑﹐而是透過不同的媒介和平台去不斷學習﹐那麼下面快樂學程式會為大家介紹一些很棒的程式教學網站﹐讓大家可以不斷提升自己。 1.w3schools.com- 語法練習的好地方這個網站是目前全球訪問量最大的網頁開發教程網站﹐網站裡有多種程式語言的教學﹐而且每種程式語言由淺到深的解說﹐從語言的介紹到不同的功能和方法都會分章節說明。所以無論你是從零開始學的白紙﹐還是已經在學習但遇到困難的新手都可以在這個網站上找到相關資訊﹐是個非常不錯的網站。那麼網址我們當然要雙手奉上﹐請慢用https://www.w3schools.com/ 2.CodeAcademy- 免費的教學網站這是全球其中一個最受歡迎的免費coding教學網站﹐已經有超過2400萬人透過這個網站學習到了如何去coding。這個網站是非常適合新手入門的同學去學習的﹐網站會一步一步仔細的教導而且還有實作﹐所以學習起來非常的快速! 3.StackOverflow- 實際案例與疑難雜症的解決處 這個網站比較適合一些已經有在嘗試動手實作的同學﹐當你在coding的時候遇上困難了﹐那麼你可以在這個可以解決超過80種程式語言問題的網站上找到答案﹐讓你的coding之路更加順暢。 如果你覺得爬網站麻煩又費時，不妨直接點擊快樂學程式的網頁前端課程，老師直接手把手帶你入門HTML ！完整的基礎入門課程省下你獨自摸索花費的時間！ 課程上架Udemy ! 準備一個輕鬆的週末，只要一天的時間，帶你建置靜態網頁。從實作中打開靜態網頁的大門，讓你的研究之路不是只有自己，有我們跟你一起努力！課程中你可以瞭解網站建置的世界觀與網站版型掌握HTML5的使用方式掌握 CSS3的使用方式使用Bootstrap處理前端UI框架現在開始上課！如果你的入門還在單打獨鬥，歡迎來到快樂學程式找到志同道合的夥伴，你的自學之路不孤單。快樂學程式
什麼是HTML? HTML全名是HyperText Markup Language，是一種描述超文件的註記語言SGML(Standard Generalized Markup Language)所制訂出的一種網頁語言，是編寫網頁的基本語言，基本上現行的瀏覽器都可以讀取HTML，使用HTML可以編輯設計出網頁，也可以在網頁中加入所有HTML語言可支援的方式，例如表格、表單、圖片、文字、連結、程式等等。 HTML介紹與基本語法整理 不管你是小時候從撰寫無名小站為了要修改你的樣式，而開始瞭解HTML和CSS為何物，或是長大因為介面設計或前端工程開始踏入網頁的世界。HTML和CSS對於網站的重要性經過多年依然歷久不衰。在本篇會對HTML進行基礎的介紹並幫你整理出基本語法提供你在寫網頁時的快速參考！ 編寫基本的HTML： 先讓大家看一下一個基本的HTML文件格式為： <HTML> <HEAD> <TITLE>網頁主題</TITLE> <Meta> </HEAD> <BODY>…
PHP是什麼?3分鐘PHP基本介紹！ 大家安安﹐快樂學程式這一次要跟大家分享PHP這種程式語言。希望幫助對於PHP有興趣的新手們可以透過我們的文章對這種語言有初步認識。一如以往﹐我們會分享以下幾項有關PHP的知識。 PHP是什麼? PHP語言的全名是(PHP: Hypertext Preprocessor)，和ASP、JSP等都是動態網頁開發語言，不過，PHP擁有跨平台的能力，無論是在Linux(最適合)、Unix、 Windows都可以執行運作，不像微軟 的ASP只能在Windows平台上執行，而且PHP是免費的，並可結合多種資料庫伺服器，如:MySQL、PostgreSQL、dBase、mSQL、Informix、ODBC、Oracle等。 PHP語言是伺服器端(Server)執行的網頁，不像一般HTML網頁，只要單機下開啟檔案就可以檢視網頁，PHP必須先在伺服器端執行完後，再將結果傳至使用者端(Client)的瀏覽器中檢視結果，所以必須使用網站伺 服器，且伺服器要支援PHP。 如何學好PHP? 要學好PHP，要有目的，要有一個想寫的東西，寫個學校網站，寫個校友系統，寫個簡單的新聞區或相簿...等，都可以，盡可能的和工作和生活結合，利用程式來簡化繁瑣的人工步驟，或者提昇工作效率，有目標，才會有動力，才會有想法。 學PHP不需要背，背不完的，只要懂就好了。像函數就不用背，常用的打久了你就背起來了，不常用的，等到要用時，知道去哪裡找就好。換言之，函數懂越多，功力越高強。 程式碼可以複製貼上，但一定要知道為什麼要這麼寫，不要傻傻的照著打，可以的話，自己打一遍最好，最上乘就是可以說出每一行程式碼的作用和前因後果。或者，故意打錯，看看會怎樣。錯誤訊息看久了，功力也就提昇了。 PHP程式碼執行方式 透過 Web Server 方式:例如利用 Apache…
Sildenafil citrate oral jelly Combiné avec les données de départs 2, on leur a demandé de type 5 de tadalafil…