手把手教學：如何在 LINE Developers 上申請帳號、建立 Provider 與 Messaging API Channel，並正確關閉自動回應訊息、開啟 Webhook，讓自己的程式接手回覆使用者訊息。

從零開始的 Heroku 部署教學：在 macOS 上用 conda 建立虛擬環境，安裝 Django、gunicorn 等套件，一步步把全新的 Django App 推上 Heroku 雲端平台。

機器學習解決問題五步驟的最後一篇：模型推論。介紹模型推論與模型訓練的差異，以及 Pruning 與 Quantization 兩種模型最佳化方法。

模型訓練完之後，要怎麼知道它好不好用？本文介紹模型評估的概念、Overfitting 是什麼，以及分類與回歸任務常用的評估指標

機器學習入門系列第三篇：帶你搞懂「模型訓練」到底在訓練什麼，拆解參數與損失函數的關係，並介紹超參數、常用函式庫與常見模型種類。

「建立資料集」是機器學習五步驟中最重要也最花時間的一步，統計上佔了近 80% 的專案時間。本文帶你認識資料收集、資料檢查、統計摘要與資料視覺化四個階段。

機器學習解決問題五步驟系列的第一篇：說明「定義問題」這一步到底在做什麼，並區分監督式學習（回歸、分類）與非監督式學習（分群）各自適合的任務類型。