（續上一篇）
恐慌
在早期軍教片中，有一個喬段是這樣：
班長：「你念過書嗎？」
小王：「當然！我高中畢業，考上國立大學、主修中國文學，並寫了… 」
班長：「嗯… 」
小王語未畢，班長就點了點頭，拿著印章在名字下面蓋上兩個字：「識字」
在 2014 年在我所能看到、聽見的業界高度下，「電腦視覺」只是代表「會寫程式」而已。就算加入任何人工智慧演算法，也是只被當作學術巨塔內，不成熟的高孤玩具。業界有沒有這樣的工作？有，但我知道那些機會不是屬於我的，是屬於四大極度頂尖人才的。其他學校的人只是拿電腦視覺來出論文，因為隨便改個小細節，先射箭、再畫靶，就又是一篇新文章了。
退守傳統領域的職涯思考
所以我還是沒放棄 MCU，持續做東西、持續參加比賽。因為做一個「MCU 黑手」是我當時自認為畢業後最有可能從事的工作。但 MCU 的工作環境往往不太體面，我對於拿烙鐵已經感到相剛厭倦、也嚮往工作是一片筆電就能搞定所有事情的優雅。那時的當紅炸子雞是手機 App，每個學期都在懷疑自己：
- 「會寫 windows 視窗程式找得到工作嗎？好像已經沒什麼公司在徵這種人了。」
- 「是不是該去學個手機 App 設計？」
- 「自學的話，身邊沒伙伴，撐得下去嗎？」
- 「校內沒這個課，那我要不要休學去職訓局上課？」
當時有中壢職訓局的老師，拿著下一期的課表向我介紹，問我要不要去上？課表裡有：
- Cortex M 單晶片物聯網 IoT 程式設計
- Android 手機應用程式設計
- Web 前後端雲端ＸＸ
- 資料庫大數據什麼的
- 其他我想不起來的…
有滿滿的-大-訓-練！反正那時想得到的當紅炸子雞都有了！各種 buzzword 一應俱全，而且都是在同一個班，是一個全家桶套餐，就像中小學一樣，一周五天從早上課到晚。不是在暑假時間，所以去了這個班肯定要休學。
「哇！學會了一定不怕沒工作！」
而且都是免費！
但最後，我還是沒去，因為我怕。
不是怕休學，而是我怕滿滿的課堂，讓自己沒有時間充份思考寫作、沒有時間細細琢磨消化，去了一定會悶死。
2014 上半年
這學期修了「多媒體系統設計」，要做期末專題，大多數同學會用機器學習套件做一些小成果，但我沒有，我用 base on rule 的 tricky 手法做了第 1 個疼痛水準辨識。雖然有點小效果，但不要問我東西在哪裡，因為以現在的技術水準來看，簡直是個笑話。
AUC = 82.3%
這門課，我沒有真的學會什麼扎實模型，只是因為 OpenCV 用得熟才做出這個東西。這門課學到比較多是辨識模型的評價方式，像 ROC、AUC、KL-divergence 之類的，還有辨識技術的論文寫作眉腳。其他就是走馬看花的東西，讓我知道情感運算、知道文字也可以計算、知道 FB 貼文也可以被計算…等等，有打開一些在機電系不太會看到的眼界。
2014 下半年
這學期我想要修「圖形辨認（Pattern Recognition）」，因為這門科目隨著時代發展，愈來愈偏向機器學習，應該有 87% 像了。但我很害怕，怕是不是又會像上次修機器學習一樣被當？
修課之前的暑假，我把[田神的 HW0](https://www.csie.ntu.edu.tw/~htlin/course/mMchine Learningfound17fall/doc/hw0.pdf) 拿來做，想說：「寫出這些題目，應該就有捲土重來的本錢了吧…」
當時 HW0 都是找某位經濟系的同學請教才弄懂，給我看的都是五專會計統計科的課本。我跟她說：「天啊妳有超有做 AI 的天分，只要會寫程式的話就超強惹!」。結果，她現在跑去綠地球當空姐。
然後，我覺得自己應該準備好了，就去修這門課。選課前，我還拿著 HW0 問老師：「懂這些夠嗎？」
修課以後學到特徵、資料正規化、訓練集、測試集，交叉驗證等等觀念，才慢慢建立起比較完整的資料科學觀念輪廓。
雖然考數學題的時候，成績還是很慘烈，但是老師要求我們在紙上一步步推演 Perceptron 的運作過程，推演完以後有一點點 “奇妙的” 感覺，但我說不清楚是什麼？反正我就很想要再感受一次看看，可是再推演幾次也感受不到了。
為了弄清楚，為了讓這個感覺更強烈，我用 C++ 自幹出一個 Perceptron，搭配 OpenCV 把過程視覺化。跑訓練的時候，看著自己寫的 Perceptron 不停移動，真的慢慢把兩類 sample set 切得越來愈開。我第一次感到自己寫的程式有智慧，真的會自己發現些什這麼，那種感動是難以言喻的~
這才開始真正學到機器學習的肉。
還有學到貝氏機率、kNN、SVM 等其他模型，以及升維、降維等等一些入門的特徵工程。
期末專題，我是用 8051 蒐集人體運動學資料，把資料傳回 PC 上的 Perceptron 訓練，訓練到夠，再把 Perceptron 和參數打進 ROM code 裏面給 MCU 做邊緣運算推論。
- 最原始版本
- 機構改良版本
所以我的第一個機器學習創作，是在 8051 上完成最後推論的。看到會收斂、會分類就很開心了，根本忘記做交叉測試（Cross Validation）。這個作品，建立了我對機器學習的基本信心，因為我開始有能力自幹 Machine Learning 演算法，擺脫只是 call function 的人。
（待續）