紀錄從影片中提取影像—VideoCapture、read()、frame 遍歷、isdir、print。
紀錄用 `dirent.h` 計算資料夾檔案數量 — 用 opendir、readdir 遍歷，`d_type == DT_REG` 判斷一般檔案。
30 天 Google ML 鐵人賽的最終回顧 — 把 coursera 上《How Google does Machine Learning》與《Launching into Machine Learning》兩門課的學習路徑整理成索引，以及參賽心得、未來計畫與感謝。
Lesson 13 — 用混淆矩陣（confusion matrix）分析 ML 模型好壞，以及三個可評估的指標：Accuracy、Precision、Recall。
Lesson 12 — 完美的損失函數存在嗎？介紹 ML 模型的性能指標（performance metrics），以及不適當的最小 loss 帶來的問題。
Lesson 11 — 怎麼判斷 ML 模型該停止訓練了 — 用驗證資料集、測試資料集、交叉驗證（cross-validation）評估模型表現。
Lesson 10 — 泛化（generalization）：怎麼檢查 ML 模型對未知資料的預測能力，以及 underfitting / overfitting 的問題。
Lab 5 — 在視覺化網頁中觀察 neural network 怎麼分類資料，並比較 batch size 如何影響 gradient descent 的收斂。
Lab 4 — 用 TensorFlow Playground 在視覺化網頁中體驗訓練 ML model，觀察 learning rate 改變對訓練過程的影響。
Lesson 9 — 加速 ML 模型訓練的兩大方法（batch / loss 檢查頻率），以及 batch size、iteration、epoch 三個概念的差別。
