關於 machine learning in mit ，我們在網路上蒐集到這些相關的討論、資訊與評價

🎉本週免費課程精選（2020.12.16）
年末課程大噴發🔥不怕沒課上，只怕你不來
從金融業到製造業，再從 AI 到大數據，包羅萬象
好在台灣沒有受疫情影響太多，我們才能有這麼多實體課程可以參加❤️
　　
❶ 12/16【金融專業人員必修：讓 RPA 解開你日復一日重複作業的惡夢】
📌課程簡介：Microsoft Power Platform 能夠協助企業解決繁瑣、規則固定且重複性高的作業，協助企業整合眾多資源，達到作業效率及品質同時提升的雙重效益！今天中午 12:30 首播，專家在線直接 Q&A，機會難得，立即報名！
📍活動地點：台北市信義區忠孝東路五段 68 號 19 樓
👉立即報名：https://aka.ms/MSTW_BankingClass_FB_A
　　
❷ 12/17【會員大數據 讓預測行銷更準確】
📌課程簡介：解鎖知名品牌會員經營的重點與方法，全方位搜集線上與線下顧客數據，描繪 360 度會員樣貌，進行客製化行銷，大大提高銷售轉換率
📍活動地點：台北市信義區忠孝東路五段 68 號 19 樓
👉立即報名：https://aka.ms/Event_1217GSS
　　
❸ 12/21【AI In A Day】
📌課程簡介：年底前唯一一場 Azure AI & Machine Learning單日實作課程，透過基礎教學、上機實做與第一手實戰案例分享，幫助客戶了解如何運用Azure雲端服務加速智慧製造的具體實現
📍活動地點：台北市信義區忠孝東路五段 68 號 19 樓
👉立即報名：https://aka.ms/AI_In_A_Day_1221
　　
❹ 12/22【雲端 DBA 實戰營】解鎖上雲遷移工具選擇與最佳實踐
📌課程簡介：企業在成為資料驅動的轉型旅程中，如何謹慎評估公司最重要的資料資產，用最有效的方法、選擇最適合的遷移工具。我們將分享雲端資料庫的最佳實踐，教你如何克服痛點
📍活動地點：台北市信義區忠孝東路五段 68 號 19 樓
👉立即報名：https://aka.ms/1222DMIADCloudriches
　　
❺ 12/22【微軟 X 數位時代 產業沙龍∣製造業專場】
📌課程簡介：微軟攜手數位時代，邀請數據應用專家及產業先行者，以實務案例協助企業打造無痛轉型，啟動智慧製造下一步。年度特別場，邀請您一同展望2021！
📍活動地點：YOURSPACE 社群空間（台北市大安區光復南路102號3樓）
👉立即報名：https://aka.ms/MSTW_121502
👉看更多【數位台灣產業沙龍】：https://aka.ms/MSTW_121503
　　
❻ 12/24【MIT+台灣智造數位轉型工坊】台北場
📌課程簡介：TEEMA 特別邀請台灣智慧製造「瑞精工科技」與雲端應用「台灣微軟」之產業專家，結合本地技術服務合作夥伴，共同帶動智慧工廠及其相關產業發展
📍活動地點：台北市內湖區民權東路六段 109 號 7 樓
👉立即報名：https://aka.ms/MSTW_121504
　　
❼ 12/28【微軟 AI X IoT 打造智慧安全工作場域研討會】
📌課程簡介：特別邀請華碩 AICS 團隊專家探討 EHS Management Service 安全監控技術與應用，藉由人工智慧啟發並推進企業採用物聯網的動能，與台灣普利司通技術合作共同推動安全廠房
📍活動地點：台北市信義區忠孝東路五段 68 號 19 樓
👉立即報名：https://aka.ms/AAalp0p
　　
#每週課程精選

感恩節感謝 & 一些學習課程推薦

今天是美國的感恩節， 首先要謝謝各位讀者你們的支持，一開始的分享主要是我的轉職及找工作經驗， 後來逐漸擴展到我的矽谷的所見所聞、矽谷人物專訪、以及我的學習成長的筆記。 從 2012 年開始寫部落格， 2017 年開始分享 Facebook page， 也是累積了許多經驗， 文筆說不上變的很好， 但至少越來越熟練把一個靈感大目標從我的思緒整理、輸出成一篇文章分享出來， 這個過程也認識了許多有趣及厲害的人， 訪問了一些我覺得很酷很強的人，召集了許多熱心的朋友一起做了 “歹晚郎內推互助網絡” 幫助更多人在艱難的時期找工作，我個人也覺得在這個過程中有所提升。 如果你有考慮寫作分享， 或是任何創作， 希望我之前的文章“為什麼我建議你開始寫文章、或是任何形式的內容創作” 也能讓你一起加入開始練習寫作/創作/輸出的行列。 ⁣
⁣

我不時會收到讀者詢問如何到美國科技公司工作，或是如何轉職成軟體工程師、如何學習程式等等的問題。 到美國工作問題我之前的文章: “如何到美國科技公司工作？” 已經把非美國人可以到美國工作的模式列出， 轉職軟體工程師及學習程式很多時候是一起的問題， 很多讀者有興趣轉職，但完全不知道軟體工程師在做什麼， 以及應該如何上手學習。 我給過不少次建議， 今天決定用這個機會公開的分享之前回答讀者的方式。 ⁣
⁣

如果完全沒有學習過程式， 可以先玩玩這個 MIT Media Lab 研發的 Scratch ， Scratch 可以讓你用拖拉的方式把一些程式的邏輯組合起來， 在還不熟悉電腦運作的時候， 可以很直觀的在遊戲中累積你對程式的理解。⁣
⁣

如果玩一下 Scratch 後還有興趣， 我推薦可以上哈佛大學的 CS50 (Computer Science 50: Introduction to Computer Science) (https://bit.ly/3fDcBFG)。 這門課是近年來哈佛大學熱門課程排行榜上的常勝軍，教授 David Malan 是個很好的老師， CS50 把電腦科學的基礎用許多生動及詳細的方式傳授出來，上完這門課後對許多電腦科學領域會有好的基本認識，對課程中所用到的不同程式語言也會有個基本的了解。⁣
⁣
⁣
當然 CS50 畢竟是大學的課程， 有一週一週制式的格式， 作業也是大學的方式， 我近年來蠻喜歡 Udemy 上的課程， 因為每個領域都有很棒的老師， 課程也更彈性及多元， 作業及測驗也比較靈活。 如果你還沒有學習任何程式的經驗， 可以嘗試從學習 Python 或 Javascript 入門， 因為這 2 們語言的特性， 對初學者上手比較容易。 此外 Javascript 是網頁主要使用的程式語言， 而 Python 在資料處理及機器學習都是首選語言， 所以這 2 個語言學習之後未來都有許多應用及職缺的可能。 ⁣
⁣
⁣
如果你有興趣學 Python ，可以先學習這個有 115 萬學生上過的課程: 2020 Complete Python Bootcamp From Zero to Hero in Python (https://bit.ly/2KJDfS6)， 了解 Python 語言的基礎及跟著課程建立自己的 app 及遊戲。

⁣
Javascript 的話可以看這個有 37 萬學生參與的課程: The Complete JavaScript Course 2020: From Zero to Expert! (https://bit.ly/3fFPcU8) 學習 Javascript 基礎及嘗試建立網頁 app。 ⁣
⁣
⁣
如果對資料科學有興趣的， 可以和 34 萬人一起學習 The Data Science Course 2020: Complete Data Science Bootcamp (https://bit.ly/3fD315M)， 了解資料科學中數學、統計、 機器學習及各種有關的知識， 因為也會用到 Python，所以也可以增加自己 Python 語言的技能。 ⁣
⁣
⁣
如果你對分析資料有興趣， 這個有 32 萬名學生上過的資料課程 The Complete SQL Bootcamp 2020: Go from Zero to Hero (https://bit.ly/33nXQlj)， 可以學習如何用 SQL 來查找資料庫， 並分析資料。 ⁣
⁣
⁣
因為機器學習的火紅， 近年機器學習的課程也是無敵多， Machine Learning A-Z: Hands-On Python & R In Data Science (https://bit.ly/3fGB6lj) 累積有 72 萬學生學習及好評， 可以讓你了解機器學習在做什麼。

⁣
而我親愛的老婆也分享過她喜歡的課程， 以下都是她上過且去蕪存菁強力推薦的課程 (也可以參考她的推薦文章)， 她靠著許多線上課程， 沒有再讀一個大學、研究所學位或是參加 bootcamp ， 也成功轉職為軟體工程師， 這些課程我也有上過一些， 覺得這個老師 Andrei Neagoie 的教法也是蠻不錯的， 他的課程都很注重實作， 講解也很清楚， : ⁣
⁣
The Complete Web Developer in 2020: Zero to Mastery (https://bit.ly/3fDcwSq)⁣
⁣
Master the Coding Interview: Data Structures + Algorithms (https://bit.ly/3fD7q8V)⁣
⁣
The Complete Junior to Senior Web Developer Roadmap (2020) (https://bit.ly/39jeK8s)⁣
⁣
Complete Python Developer in 2020: Zero to Mastery (https://bit.ly/37ARPS4) （這篇是她上這門課的詳細心得）⁣
⁣
Complete Machine Learning and Data Science: Zero to Mastery (https://bit.ly/2WDBk57) (機器學習及資料科學)⁣

⁣
許多 Udemy 的課程都是有 30 天 Money back guarantee ， 代表如果你上一下子，覺得老師教的不好， 內容不喜歡， 都是可以要求退費的。 Black Friday 如果你還沒決定要買什麼， 買課程充實自我會是個不錯的決定！歐， 對了， 如果你剛好在美國，要買 Udemy 課程， 可以搭配使用 cash back 網站， 像 Rakuten 最近 Udemy 有 10% 的 cash back， 如果你還沒有用過， 可以使用我的推薦連結註冊， 還可以得到 $40 的註冊獎勵呢 (http://bit.ly/2SeLuXL)！有一些 American Express 信用卡還有 Udemy 買 $20 退 $5 的 offer ， 也記得下訂前查看一下！⁣
⁣
⁣
以上許多課程， 就算不是軟體工程師的初學者也可以得到許多新科技及方法， 我在 Udemy 買了許多課程， 也時常利用時間學習我感興趣的領域。 最後再次感謝大家一直以來的支持， 祝福大家都有個充實、健康、平安的感恩節， 2020 年最後自我學習提升， 為未來做更好的準備！⁣
⁣
⁣
部落格原文及相關連結：
https://brianhsublog.blogspot.com/2020/11/ThanksgivingAndCourseList.html

Facebook is making its own AI deepfakes to head off a disinformation disaster

Facebook fears that AI-generated “deepfake” videos could be the next big source of viral ( ) misinformation ( )—spreading among its users with potentially catastrophic ( ) consequences ( ) for the next US presidential election.

Its solution? Making lots of deepfakes of its own, to help researchers build and refine ( ) detection tools.

The rise of deepfakes has been driven by recent advances ( ) in machine learning. Algorithms ( ) capable of capturing and re-creating a person’s likeness ( ) have already been used to make point-and-click tools for pasting a person’s face onto someone else.

Facebook will dedicate ( ) $10 million. Together with Microsoft and academics from institutions including MIT, UC Berkeley, and Oxford University, the company is launching ( ) the Deepfake Detection Challenge, which will offer unspecified ( ) cash rewards for the best detection methods.

防制假訊息災難，FB積極產製人工智慧「深度偽造」影片
Facebook擔心用戶散播由人工智慧生成、未來有望成為假訊息主要來源的「深度偽造」影片，對下屆美國總統選舉帶來具有災難性潛力的後果。

提出因應「深度偽造」的解決方案？Facebook自己產製大量深偽影片，助力研究者創建及改善辨識工具。

機器學習的技術進展助長了深偽的崛起。能夠捕捉及重現人物肖像的演算法，已被應用在點擊式工具的製作，它能把人臉貼在另一個人身上。

Facebook將貢獻1000萬美元。與Microsoft及學術機構麻省理工學院、加州大學柏克萊分校、牛津大學等，一起推出「辨識深偽挑戰賽」，該挑戰賽將頒發未指定金額的獎金給最優秀的檢測方法。

#高雄人 #學習英文 請找 #多益達人林立英文
#高中英文 #成人英文
#多益家教班 #商用英文
#國立大學外國語文學系講師