最近幾年資料科學正夯，你是為了什麼才進入這個領域？是跟風趕流行？還是為了其他目的？
因為最近有網友問到我學機器學習的歷程，也剛好和同事討論到，所以我決定把這幾年的心路歷程好好寫下來。
2011 上半年
這一年我修了大學部「機械視覺」，因為我覺得能讓電腦會「看」東西很屌，這是我入門影像處理的課。要用 VB6，不依賴任何函式庫，以 pixel by pixel 的方式學習二值化、灰階化、色彩空間換算、增長侵蝕、線或圓的偵測等等。
那時候我還是用 Atom 小筆電，所以 VB6 用起來特別吃力，加上也不太喜歡 VB6 的語法，所以想要用 C++ 寫寫看，就開始入門 OpenCV。我還記得光是把 OpenCV 裝起來可以動就花了兩周。
要做期末專題，題目怎麼選呢？當時老師播了一個老舊的實驗影片，是他博班學妹的研究成果，影片中就是一個人，裝了馬達的攝影機會追蹤她的頭，不論她怎麼轉方向、用手遮蔽，攝影機就是能上下左右快速追蹤，抓到他的頭部位置正確。
看了覺得「哇～～超屌，我也想要做出這個！」
（原影片沒有獲得公開許可，所以我只能放那篇論文的截圖）
後來我用，OpenCV 內建現成的 viola jones 物件完成人臉追蹤、現成的 DAQ 完成直流馬達控制，讓這兩者可以交互回授連動，就完成了這個期末專題。當時看起來很屌，但現在回想起來很空虛，因為只是整合了影像和馬達，照一個簡單的控制邏輯互動，並沒有自己做出什麼稱得上電腦視覺的演算法，工藝水準自然也比不上上圖那篇多年前的碩論。
2011 下半年
這一年我在做大學專題，其實就繼續做那個追蹤人臉的攝影機馬達平台，嘗試做的更精密、定位更快速、更滑順。
當時 OpenCV 還沒有繁體中文書，就連簡體書都還沒有出到 2.X 版(C++ 版)，我就已經把 OpenCV 摸熟，會用這些現成電腦視覺功能，但用膩了之後想要做到更細、更靈活，會遇到很多困難。
影像部份只是 call OpenCV 所以就沒什麼難的，那時候重點，都放在解決自幹馬達控制模組的各種軔體(firmware)、硬體問題。
比賽時被一個專題評審問到：「你的馬達平台能不能分辨不同人，只追蹤特定的人？」，那是一個半導體專長的老師，我根本不知道怎麼回答他，嚇到不敢說自己只是 call function。但是這個問題，之後就一直成為我的心魔。
就算能夠存取 pixel value，自己能想得出來的方法組合也很有限，找了一些電腦視覺的書來看，發現都蠻困難的，猶豫自己是不是要去修課？
2012 年
這一年我去讀了體育運動相關的碩士班，這是從大學參加游泳校隊、高強度身體訓練成為我生活重心以來的願望。這是原先規劃的人生方向，念得不順利以後，才發只是一個支線任務。雖然這對我人生影響不小，但我在這條支線上，沒做什麼和資料科學有關的事，所以就不細講了。
2008.6.17 彰化縣立體育場游泳池
2013 年
這一年我在機電工程系碩士班讀研究所，想做影像處理，修了電腦視覺的課，知道一些 base on rule 的影像辨識技巧。但學了之後，其實是有點失望的，因為每一個演算法都要寫很久，也很難應付特例，不管怎麼調整，都是有一好、沒兩好。
那時候天真不懂事，所以給自己想了一個很難的題目「痛苦表情辨識」。為什麼想做這個呢？
學生的時候經常上健身房，去久了大多都是熟面孔。發現有些人只用跑步機，從來不用其他器材，跑久了速度也都沒變過。隨著一天天過去，但是有些人的表情會愈跑愈輕鬆。我心理就好奇：
- 「假如一開始跑很辛苦，就算速度不變，跑久了還是會體能越來越好、越來越輕鬆，直到遇到瓶頸為止。」
- 「如果運動表現不變，那能不能從表情變化得知體能進步水準？一開始很猙獰，到後來很輕鬆，這個變化可以用電腦視覺測量出來嗎？」
然後就開啟了這個研究。
–
這時候，我對機器學習還很陌生，只知道用在辨識很強大、可以解決很多 by rule 難以應付的特例。但機器學習的數學似乎特別困難？好像要很好的機率統計基礎？我也不知道，眼前一片未知，然後就笨笨的找了一門機器學習的課去修，先上再說。
結果就是都聽不懂，被當了，我除了 k-mean 之外什麼都沒學會。
（待續）