先以集合論開始切入，集合論是以後各門數學相關學科的根基，也就是很多數學的分支都會定義在集合論上。

在數學上，集合就是一群不重複的物件（object）或是元素（element）。像我們可以定義一個set A當中的elements有a、b、c，寫成：

$$
A = \{ a, b, c \}
$$

attach    Attach to a running container
build     Build an image from a Dockerfile
commit    Create a new image from a container's changes
cp        Copy files/folders from the containers filesystem to the host path
diff      Inspect changes on a container's filesystem
events    Get real time events from the server
export    Stream the contents of a container as a tar archive
history   Show the history of an image
images    List images
import    Create a new filesystem image from the contents of a tarball
info      Display system-wide information
inspect   Return low-level information on a container
kill      Kill a running container
load      Load an image from a tar archive
login     Register or Login to the docker registry server
logs      Fetch the logs of a container
port      Lookup the public-facing port which is NAT-ed to PRIVATE_PORT
pause     Pause all processes within a container
ps        List containers
pull      Pull an image or a repository from the docker registry server
push      Push an image or a repository to the docker registry server
restart   Restart a running container
rm        Remove one or more containers
rmi       Remove one or more images
run       Run a command in a new container
save      Save an image to a tar archive
search    Search for an image in the docker index
start     Start a stopped container
stop      Stop a running container
tag       Tag an image into a repository
top       Lookup the running processes of a container
unpause   Unpause a paused container
version   Show the docker version information
wait      Block until a container stops, then print its exit code

Docker Commands Diagram

We already know how to get a image and modify it, then share it through Docker Hub. It can be more portable and easy to customize. Just write a script in Dockerfile, and then use docker build to build an image following the script in Dockerfile!

Usage: [sudo] docker [command] [flags] [arguments] ..

圖片取自博客來

今天看到書的前三分之一，但是忍不住要來跟大家分享書中的內容。這本看名字跟外表很容易被埋沒那些講成功的商業書籍中，但是這本可是史丹佛大學的心理學權威 Dr. Carol Dweck 的研究成果阿！他也有在 TED 發表過演講，是很值得看的一本書！

今天又是個長長的故事。

上次我們講完在空間上，我們可以知道資料的區域性，並且利用 convolution 來萃取特徵。

這次我們來講時間，其實不一定要是"時間"序列資料，只要是有先後順序的資料就可以。

在時間序列分析及統計的領域中，我們有基礎的馬可夫模型（Markov chain）。

前面大致介紹完了 Deep learning 跟 MLP 的設計，我們接下來介紹在影像處理上的重要技術。

Convolutional neural network，顧名思義，他是一種神經網路架構，裡頭包含著 convolution 的運算。

那為什麼 convolution 這麼重要，重要到要放在名稱上呢？

在前一篇講完了 deep learning 的意義之後我們來更具體一點講 multi-layer perceptron (MLP)。

最簡單的版本莫過於 linear MLP，不過不太會有人去用他，其實只是每層 layer 的 activation function 都是採用 identity。你可以想像他是有很多的線性轉換所疊起來的模型。