核心行動建議 - 幫助零基礎快速進入AI行動App開發，少走彎路立即體驗智慧應用成效
- 挑一款免程式碼或低門檻工具，7天內完成第一個AI功能小作品
快速獲得成就感，降低對技術的恐懼感，讓學習更有動力
- 列出3個日常生活需求並嘗試用現成AI API整合在App裡
明確目標導向應用設計，有效提升實作與解決問題能力
- 每週至少花2小時練習使用如Hugging Face、ML Kit等主流平台範例專案
熟悉業界常見工具和流程，更快跟上技術趨勢
- *記錄*每次遇到的錯誤與修正步驟，不超過10分鐘寫下重點心得
*累積經驗庫，下次遇到類似情境能迅速自救，不怕卡關*
原來AI沒那麼恐怖？數學障礙也能參一腳
## 關於行動應用程式中 AI 的真相，以及為什麼你現在就該開始
### 一份適合初學者的指南，協助你在無需複雜理論下為行動應用新增 AI 功能
## 對 AI 的重大誤解
我觀察到，其實很多還沒碰過 AI 的開發者，腦海裡對這玩意兒的印象大多很一致：就覺得全是些數學怪獸、艱澀難懂的理論。嗯，我自己當年也是差不多啦——第一次聽人提什麼「神經網路」或「梯度下降」時，我其實只想到一堆公式、深夜啃書，然後咖啡灌不停，好像非要熬個通宵才搞得定那種。
但說真的，大部分情況根本不用這樣自虐。欸，等下，我剛剛是不是又岔題了？拉回來講重點，其實很多時候就算你完全跳過那些可怕的理論細節，一樣可以做出有智慧感的功能──就是讓你的 App 變得有點厲害、有點新潮，而且背後靠的是 AI 在運作。我認為這種誤解還挺常見，尤其是在我們做手機端開發圈子。坦白說，如今大家都手握幾乎取之不盡的使用者資料（不過啦，有沒有考慮隱私和權限？唉，每次想起來都頭痛），結果卻有人寧願一直用傳統方法開發，不肯試試看加上新的技術。
其實也不是要誰馬上成為專家，但連基礎一點點 AI 知識，都足夠改變整個體驗，把你的應用程式弄得更貼近生活、更順手。據說，只要掌握某些簡單技巧，就能創造出以前沒想過的新功能──而且是真的對日常有所幫助，不只是耍噱頭罷了。好吧，到底該從哪邊開始？啊，又扯遠了，反正如果還猶豫要不要加入 AI 進行移動端開發，大概是時候丟掉那些舊包袱看看新世界了。
### 一份適合初學者的指南，協助你在無需複雜理論下為行動應用新增 AI 功能
## 對 AI 的重大誤解
我觀察到，其實很多還沒碰過 AI 的開發者，腦海裡對這玩意兒的印象大多很一致：就覺得全是些數學怪獸、艱澀難懂的理論。嗯，我自己當年也是差不多啦——第一次聽人提什麼「神經網路」或「梯度下降」時，我其實只想到一堆公式、深夜啃書，然後咖啡灌不停，好像非要熬個通宵才搞得定那種。
但說真的，大部分情況根本不用這樣自虐。欸，等下，我剛剛是不是又岔題了？拉回來講重點，其實很多時候就算你完全跳過那些可怕的理論細節，一樣可以做出有智慧感的功能──就是讓你的 App 變得有點厲害、有點新潮，而且背後靠的是 AI 在運作。我認為這種誤解還挺常見，尤其是在我們做手機端開發圈子。坦白說，如今大家都手握幾乎取之不盡的使用者資料（不過啦，有沒有考慮隱私和權限？唉，每次想起來都頭痛），結果卻有人寧願一直用傳統方法開發，不肯試試看加上新的技術。
其實也不是要誰馬上成為專家，但連基礎一點點 AI 知識，都足夠改變整個體驗，把你的應用程式弄得更貼近生活、更順手。據說，只要掌握某些簡單技巧，就能創造出以前沒想過的新功能──而且是真的對日常有所幫助，不只是耍噱頭罷了。好吧，到底該從哪邊開始？啊，又扯遠了，反正如果還猶豫要不要加入 AI 進行移動端開發，大概是時候丟掉那些舊包袱看看新世界了。
開發者迷思：AI=高深理論？其實不然
而且，說真的，你壓根不需要是數學天才，也不用窩在什麼學術實驗室很多年才能起步——這點常常被誤解。嗯，老實講，有時候我甚至會懷疑自己是不是太普通了，但後來發現，其實沒差。
## AI在行動領域的興起
你有注意嗎？現在要從App Store或Google Play下載個熱門應用程式，幾乎很難不碰到某種AI功能。這感覺就像以前只有高科技公司才玩的東西，如今滿街都是。有時候突然想起學生時代還沒有這些玩意兒，唉，人真的是會老的啊。不過拉回正題。
身處新創圈裡面，被問最多的一個問題大概就是：「你們怎麼把AI塞進專案？」坦白講，我也曾經在一家新創公司混了三年左右，那種整天都有人討論AI、討論自動化的氛圍真的很強烈。不知道為什麼，每次一聊到這個話題，大夥兒眼神都會亮一下，好像誰能用得巧，就能吃下更多市場份額似的。但又有點懷疑，是不是大家其實都半信半疑？
事實上啦，現在AI已經不是那種「可有可無」的小配角，而是慢慢變成必備武器。如果產品裡沒弄點AI元素，好像連跟人家競爭的資格都快沒了。我記得以前我們團隊搞了一套AI驅動API——對，就是那種聽起來超厲害但文件寫到頭痛欲裂的API啦。分享給行動端開發同事，他們第一反應其實挺疏離，而且說真的，看表情還帶著一絲猶豫，彷彿遇到甚麼怪獸似的。我猜，也許他們心底一直覺得AI就是遙不可及、充滿迷霧吧……欸，又扯遠了。總之，那陣子氣氛蠻妙的，不太容易忘掉。
## AI在行動領域的興起
你有注意嗎？現在要從App Store或Google Play下載個熱門應用程式，幾乎很難不碰到某種AI功能。這感覺就像以前只有高科技公司才玩的東西，如今滿街都是。有時候突然想起學生時代還沒有這些玩意兒，唉，人真的是會老的啊。不過拉回正題。
身處新創圈裡面，被問最多的一個問題大概就是：「你們怎麼把AI塞進專案？」坦白講，我也曾經在一家新創公司混了三年左右，那種整天都有人討論AI、討論自動化的氛圍真的很強烈。不知道為什麼，每次一聊到這個話題，大夥兒眼神都會亮一下，好像誰能用得巧，就能吃下更多市場份額似的。但又有點懷疑，是不是大家其實都半信半疑？
事實上啦，現在AI已經不是那種「可有可無」的小配角，而是慢慢變成必備武器。如果產品裡沒弄點AI元素，好像連跟人家競爭的資格都快沒了。我記得以前我們團隊搞了一套AI驅動API——對，就是那種聽起來超厲害但文件寫到頭痛欲裂的API啦。分享給行動端開發同事，他們第一反應其實挺疏離，而且說真的，看表情還帶著一絲猶豫，彷彿遇到甚麼怪獸似的。我猜，也許他們心底一直覺得AI就是遙不可及、充滿迷霧吧……欸，又扯遠了。總之，那陣子氣氛蠻妙的，不太容易忘掉。
手機App世界，AI影子無所不在吧
從技術層面來說，嗯，其實把這件事攤開來看，跟串接其他後端 API 好像也沒什麼太大分別。會有點想翻白眼，畢竟日常寫 code 不就都在接各種東西嗎？唉，好吧，不繞遠路——這就是為何基本的 AI 知識忽然對行動開發者變得挺要緊，有時候連我自己都不得不去補一補課。
現在有 Apple 的 Core ML、Google 的 ML Kit 這些現成工具，還有那一堆相應框架，其實你不用再重頭打造底層什麼結構啦（偷懶也不是壞事），AI 功能正在 IDE 裡慢慢普及。欸，我剛才差點又想到之前某個專案亂七八糟的環境設定……算了拉回來說正題。
往未來瞄一眼，我自己是覺得蘋果最近搞出那個 Apple Intelligence 計畫，很可能會是個重大轉折點。雖然說蘋果在 AI 領域前陣子確實走得挺慢，但 iPhone 還有他們家的裝置，在數據收集和本地運行 AI 程序上其實潛力不小，就是一直沒真正發揮。有些觀察認為，他們現在應該可以加速追趕，而這或許也意味著新機會會冒出來，讓行動開發者試試更多本機 AI 結合的應用情境，比如降低延遲、提升隱私保護，以及針對使用者需求做更聰明的反應——全部都是建立在蘋果自己的生態系裡。
嗯，如果有人願意早期下水測試，那老實說，就真的比較容易搶先做出那些集合上述特性的 app 吧。最重要的是…啊，我是不是講太多廢話？總之，大概就這樣了。
現在有 Apple 的 Core ML、Google 的 ML Kit 這些現成工具，還有那一堆相應框架，其實你不用再重頭打造底層什麼結構啦（偷懶也不是壞事），AI 功能正在 IDE 裡慢慢普及。欸，我剛才差點又想到之前某個專案亂七八糟的環境設定……算了拉回來說正題。
往未來瞄一眼，我自己是覺得蘋果最近搞出那個 Apple Intelligence 計畫，很可能會是個重大轉折點。雖然說蘋果在 AI 領域前陣子確實走得挺慢，但 iPhone 還有他們家的裝置，在數據收集和本地運行 AI 程序上其實潛力不小，就是一直沒真正發揮。有些觀察認為，他們現在應該可以加速追趕，而這或許也意味著新機會會冒出來，讓行動開發者試試更多本機 AI 結合的應用情境，比如降低延遲、提升隱私保護，以及針對使用者需求做更聰明的反應——全部都是建立在蘋果自己的生態系裡。
嗯，如果有人願意早期下水測試，那老實說，就真的比較容易搶先做出那些集合上述特性的 app 吧。最重要的是…啊，我是不是講太多廢話？總之，大概就這樣了。
Apple Intelligence來勢洶洶？也許還早但不能等
你不用真的搞懂那些繁雜的數學才能啟動這條路。講真的，這聽起來其實比想像中簡單一點——嗯，至少對我來說有時會突然分心去查咖啡還剩多少。回到正題啦，其實這跟日常寫程式靠抽象化，有點像。你應該也經歷過吧？我們平常寫軟體，不見得清楚底層記憶體是怎麼管的，指標細節啊、那些東西到底誰天天在意，但專案照跑不誤。
然後只要懂怎麼把 AI 搭進現有的函式庫，你就能得到類似的好處。唉，有時候人就是會懶得深究底層理論嘛，不過靠著這些工具，你還是可以做出更聰明、更帶創新的行動應用程式。噢，我剛才差點忘了手機沒充電——總之，是不是很神奇？
## **為什麼行動開發者需要基本的 AI 知識**
呃，原因其實蠻直白的——現在市面上幾乎每款比較紅的 app 都塞了一點 AI 進去。不知道是不是因為流行吧？但事實擺在那裡。如果你之後工作升級變資深或要帶團隊，就更不能裝作自己完全不了解這套東西。有時候領導還要跟產品部門討論一堆技術細節，再不然還得應付客戶端一直追問「AI 可以做到什麼？」唉，那感覺說實話很煩。
喔對了，好消息是：其實你不用變身成什麼資料科學家也能搞定上述那些事。有時候光是知道個大概就夠用了，大概吧。我剛剛突然想到冰箱裡蛋糕是不是過期了…欸又扯遠了。所以，是不是沒那麼可怕？
然後只要懂怎麼把 AI 搭進現有的函式庫，你就能得到類似的好處。唉，有時候人就是會懶得深究底層理論嘛，不過靠著這些工具，你還是可以做出更聰明、更帶創新的行動應用程式。噢，我剛才差點忘了手機沒充電——總之，是不是很神奇？
## **為什麼行動開發者需要基本的 AI 知識**
呃，原因其實蠻直白的——現在市面上幾乎每款比較紅的 app 都塞了一點 AI 進去。不知道是不是因為流行吧？但事實擺在那裡。如果你之後工作升級變資深或要帶團隊，就更不能裝作自己完全不了解這套東西。有時候領導還要跟產品部門討論一堆技術細節，再不然還得應付客戶端一直追問「AI 可以做到什麼？」唉，那感覺說實話很煩。
喔對了，好消息是：其實你不用變身成什麼資料科學家也能搞定上述那些事。有時候光是知道個大概就夠用了，大概吧。我剛剛突然想到冰箱裡蛋糕是不是過期了…欸又扯遠了。所以，是不是沒那麼可怕？
聊聊抽象層，為何你不用會微積分就能玩AI
唉，其實我也不知道該怎麼開始。不過，嗯——如果你對這幾件事稍微有點感覺，大概結果就會差很多。比如說，你能弄清楚 AI 系統到底是怎樣處理跟運用資料的話……其實講白了，光這一點，有時就已經把人分兩派。我自己以前還搞不懂，就一直踩雷。然後再來，還有各種不同的 AI 應用嘛，比如聊天機器人啦、推薦系統啦、還有什麼電腦視覺功能之類的，其實它們彼此間差異很大，不像表面看起來那麼一樣欸。有時候我也搞混，講到這裡突然想到上次有人拿推薦系統去問電腦視覺，結果整個歪掉——呃，好吧，我再拉回主題。
至於 LLMs，就是大型語言模型，那跟傳統機器學習模型到底哪裡不一樣呢？老實說，我當初也是半信半疑。基本上傳統那些經典機器學習模型，多半都是拿有限的數據集來訓練，很針對某個特定任務，例如圖像辨識或者垃圾郵件過濾（唔，每次想到垃圾郵件都頭痛）。但 LLMs 嘛，它們通常是在巨量資料上訓練，就是那種多到你想翻桌子的等級，目標變成生成比較貼近人類語言的內容啊，或是去解決更複雜、更廣泛的問題，例如回答問題或做摘要文本等等。唉，有時候資訊太多反而會迷失。
所以啦，如果你能掌握這些最基礎的東西，在寫程式時真的會順手不少——嗯，不只如此，也可以幫助你理解為什麼現在好多產品，都離不開 AI 這整套架構。不過，我又在想，是不是大家其實都偷偷卡關，只是不敢講出來？算了，不管怎樣，把這些知識記住準沒錯。
至於 LLMs，就是大型語言模型，那跟傳統機器學習模型到底哪裡不一樣呢？老實說，我當初也是半信半疑。基本上傳統那些經典機器學習模型，多半都是拿有限的數據集來訓練，很針對某個特定任務，例如圖像辨識或者垃圾郵件過濾（唔，每次想到垃圾郵件都頭痛）。但 LLMs 嘛，它們通常是在巨量資料上訓練，就是那種多到你想翻桌子的等級，目標變成生成比較貼近人類語言的內容啊，或是去解決更複雜、更廣泛的問題，例如回答問題或做摘要文本等等。唉，有時候資訊太多反而會迷失。
所以啦，如果你能掌握這些最基礎的東西，在寫程式時真的會順手不少——嗯，不只如此，也可以幫助你理解為什麼現在好多產品，都離不開 AI 這整套架構。不過，我又在想，是不是大家其實都偷偷卡關，只是不敢講出來？算了，不管怎樣，把這些知識記住準沒錯。
升級版行動App，不碰點AI真的很吃虧嗎
對自由工作者或是那些自己開發產品的開發者來說，唉，有時候這些事情就變得更棘手了。回想我在美國公司混了三年，老實說還挺累人的，可每次開會總是不斷繞回同一個話題——投資人到底有多在意你那應用程式裡人工智慧的效能？嗯，其實他們真的很在意。現在光是讓你的 app 能順利跑起來，好像也沒什麼人在乎了，因為所有持份者、投資人、甚至終端用戶，他們都會開始假設你的產品該具備點「智能」，不然就不夠潮，不夠前衛。啊，我剛才想到昨晚還夢到自己被一堆 AI bot 追著問 KPI，真是有點怪，但講回正題吧。如果你身為行動開發者卻選擇忽略人工智慧，在某些特別重視創新的產業裡，其實很可能慢慢地被甩在後面，只是大家嘴上未必說得那麼直接罷了。
## 行動開發者該如何開始接觸 AI？（給對數學感到排斥的人）
如果你總覺得 AI 跟自己距離遙不可及，而且一想到那些繁瑣的數學就頭痛——欸，其實這種恐懼根本超常見啦。很多同行也是卡在這一步，一聽到機率統計線性代數，就自動關機。我突然想到，上週還有人問我是不是要背完微積分才算入門，但根本不用嘛……呃，扯遠了。事實上，這也正好解釋為什麼不少開發者寧可待在自己的舒適圈，不太願意真正踏進 AI 這領域。不過，大概每個人都有自己的步調吧。
## 行動開發者該如何開始接觸 AI？（給對數學感到排斥的人）
如果你總覺得 AI 跟自己距離遙不可及，而且一想到那些繁瑣的數學就頭痛——欸，其實這種恐懼根本超常見啦。很多同行也是卡在這一步，一聽到機率統計線性代數，就自動關機。我突然想到，上週還有人問我是不是要背完微積分才算入門，但根本不用嘛……呃，扯遠了。事實上，這也正好解釋為什麼不少開發者寧可待在自己的舒適圈，不太願意真正踏進 AI 這領域。不過，大概每個人都有自己的步調吧。
資深與自由開發者如何面對投資人那句‘有加AI嗎’
嗯，有件事想先講一下，其實不必什麼數學大師才能啟動 AI 專案啦。這點我一開始也半信半疑——結果發現，入門其實可以很簡單。你只要挑個小型的項目，比如說，弄一個基於 GPT 的行動裝置專案。唉，我有時候會想，手機那麼多 APP，到底還需要多少 AI？但是拉回來講，只要收集一些用戶資料、處理那些看起來雜亂的資訊，再讓系統動態丟出智慧提示，你就能體會到 AI 那套神祕機制背後是怎樣跑起來的。
其實這種做法很直接，也不用卡在書堆裡跟公式死磕，反而讓人邊摸索邊理解規則，慢慢抓到感覺。嗯，好像又離題了……話說回來，如果初步嘗試之後，不妨再往下推進一些操作（放心啦，都沒涉及什麼超複雜計算）。例如，用 OpenAI API 這工具，就不用自己煩惱設計龐大的後端架構或整天對著奇怪的錯誤訊息皺眉頭。
只需簡單呼叫 API，就能把各種 AI 功能拼到你的 APP 裡。不論聊天機器人、智能建議還是互動服務都行，而且文件寫得蠻友善，新手通常看幾眼就摸得出訣竅。好吧，有時候還是會搞混參數順序，但誰不是從踩坑開始？總之，大致流程就是如此——走過一遍，你真的不用害怕數字海洋，只管去碰就對了。
其實這種做法很直接，也不用卡在書堆裡跟公式死磕，反而讓人邊摸索邊理解規則，慢慢抓到感覺。嗯，好像又離題了……話說回來，如果初步嘗試之後，不妨再往下推進一些操作（放心啦，都沒涉及什麼超複雜計算）。例如，用 OpenAI API 這工具，就不用自己煩惱設計龐大的後端架構或整天對著奇怪的錯誤訊息皺眉頭。
只需簡單呼叫 API，就能把各種 AI 功能拼到你的 APP 裡。不論聊天機器人、智能建議還是互動服務都行，而且文件寫得蠻友善，新手通常看幾眼就摸得出訣竅。好吧，有時候還是會搞混參數順序，但誰不是從踩坑開始？總之，大致流程就是如此——走過一遍，你真的不用害怕數字海洋，只管去碰就對了。
推薦你不會頭痛的入門工具，大多數免公式啦
欸，講到 iOS 開發你如果有在碰，Core ML 那套東西還算蠻直覺的，只要拿現成訓練好的模型丟進去，就能直接在手機或平板上跑。這好像不用網路也能即時處理影像、聲音什麼的吧——咦我還記得前幾天有人問過這個問題，結果我一度忘了回他。反正 Apple 那邊順便附了一些工具包，說真的，有時流程簡單到會讓人懷疑是不是哪裡搞錯步驟。
唉，再來 Android 那邊也別落人後啦。Google 有弄個 ML Kit，用來在 app 裡加臉部偵測啊、掃條碼還有辨識文字那些，基本都靠一堆現成函式庫就差不多行了。我之前試過，好像根本不用懂太多機器學習底層理論（雖然偶爾還是想搞懂，不知為啥），反正程式寫個幾行功能就出來，也沒那麼難。
然後 Hugging Face，那就更常被提到啦。簡直變成 AI 圈子的招牌，有夠多免費開源模型可以拿來玩，而且很適合做文本類的小專案測試用。有時候…嗯，我自己也是偷懶會直接抓範例跑起來，不太想研究細節（笑）。他們社群對新手算友善，大部分預訓練東西也都丟著等你試，不用搞複雜設定——唉唷，我怎麼又開始碎念這些細節，其實拉回主題就是，初入門或只是想驗證點子的人，很方便用得上這些資源。
唉，再來 Android 那邊也別落人後啦。Google 有弄個 ML Kit，用來在 app 裡加臉部偵測啊、掃條碼還有辨識文字那些，基本都靠一堆現成函式庫就差不多行了。我之前試過，好像根本不用懂太多機器學習底層理論（雖然偶爾還是想搞懂，不知為啥），反正程式寫個幾行功能就出來，也沒那麼難。
然後 Hugging Face，那就更常被提到啦。簡直變成 AI 圈子的招牌，有夠多免費開源模型可以拿來玩，而且很適合做文本類的小專案測試用。有時候…嗯，我自己也是偷懶會直接抓範例跑起來，不太想研究細節（笑）。他們社群對新手算友善，大部分預訓練東西也都丟著等你試，不用搞複雜設定——唉唷，我怎麼又開始碎念這些細節，其實拉回主題就是，初入門或只是想驗證點子的人，很方便用得上這些資源。
Hugging Face、ML Kit、Core ML快速用法隨筆集
它可以同時運作在行動裝置以及後端場景，嗯，這點蠻方便的啦。有時候我會想，為什麼感覺技術都很遙遠，可這套範例就是專門替初學者設計——不用你拿個博士學位，也沒人在意你的履歷多厲害，就是讓大家能夠輕鬆上手嘗試。不過說真的，我一開始還以為要搞懂 AI 至少得讀個兩年書，大概是被嚇唬久了。結果？其實沒有那麼難。只要是行動開發背景的人，要啟動 AI 學習之路，其實比腦袋裡想像的容易很多（但我偶爾還是懷疑自己）。欸，有時候人就是欠缺點信心吧。如果有閒情未來再鑽研理論也無妨，但目前先把重心放在現成工具或小型專案上，這樣練起來速度快又容易累積成績單，而且信心會慢慢地長出來——雖然我常常半途就分神去看貓照片。
## 最後想法 —— 不用對 AI 產生莫名恐懼，其實 AI 也不會忽然「怕」你
回頭看整件事情，我只是記錄了一些觀察跟思緒，是啊，AI 崛起的過程中確實有太多討論（越寫越覺得腦袋亂糟糟），尤其針對那些原本和強烈 AI 背景八竿子打不著的行動開發者，其實現在也能參與變革。我猜大部分人遇到新東西都會慌一下，不知道該怎麼辦才好；AI 對我們來講也是這樣。但反正嘛，只要慢慢來、從簡易的小型專案開始，再多利用一些已經做好的工具，那種焦慮感通常都會淡掉。雖然偶爾夜深人靜還是會冒出一堆問號。不過，好啦，就繼續走下去吧！
## 最後想法 —— 不用對 AI 產生莫名恐懼，其實 AI 也不會忽然「怕」你
回頭看整件事情，我只是記錄了一些觀察跟思緒，是啊，AI 崛起的過程中確實有太多討論（越寫越覺得腦袋亂糟糟），尤其針對那些原本和強烈 AI 背景八竿子打不著的行動開發者，其實現在也能參與變革。我猜大部分人遇到新東西都會慌一下，不知道該怎麼辦才好；AI 對我們來講也是這樣。但反正嘛，只要慢慢來、從簡易的小型專案開始，再多利用一些已經做好的工具，那種焦慮感通常都會淡掉。雖然偶爾夜深人靜還是會冒出一堆問號。不過，好啦，就繼續走下去吧！
踏出第一步後，後面的路其實沒想像中難
慢慢摸索這個領域，嗯……好像越來越上手了？其實也不是說完全駕輕就熟啦，只是，隨著時間拉長、對各種進階主題的理解也逐漸加深，討論起來真的沒那麼難（雖然偶爾還是會卡住）。我自己啊，其實一直有在努力補足人工智慧相關的知識，有時候半夜會突然想到什麼又翻書查資料，也試圖找出自己到底適合AI應用裡哪個小角落。唉，這條路說長不長、說短也不短吧——反正未知一大堆，每次都覺得有新東西等著我去挖。
欸，好像離題了。拉回來講，我打算接下來會陸續發表幾篇技術含量比較高、內容層次稍微進階一些的文章，所以如果你喜歡追根究柢……可以期待一下。不過，我先提醒你們喔——這些文可能多少碰到數學公式或推導，看到符號不要太快關掉頁面哈！:）話說回來，如果你現在剛好也在琢磨行動開發或者人工智慧，不妨留言交流心得吧。我還蠻想知道其他人都是怎麼適應、怎麼在變動速度超級快的圈子裡找到自己的步調——總之，有機會多聊聊唄。
欸，好像離題了。拉回來講，我打算接下來會陸續發表幾篇技術含量比較高、內容層次稍微進階一些的文章，所以如果你喜歡追根究柢……可以期待一下。不過，我先提醒你們喔——這些文可能多少碰到數學公式或推導，看到符號不要太快關掉頁面哈！:）話說回來，如果你現在剛好也在琢磨行動開發或者人工智慧，不妨留言交流心得吧。我還蠻想知道其他人都是怎麼適應、怎麼在變動速度超級快的圈子裡找到自己的步調——總之，有機會多聊聊唄。
