透過 Google Colaboratory 學習使用 Python 做機器學習等科學計算
前言
現在資料科學或是人工智慧（包含機器學習等）的話題正熱，而想要投入這些領域研究或開發應用的人也愈來愈多，也因為在這個領域上 Python 有著非常強大的生態系，所以也順勢把這個程式語言的熱門度持續推高（可參考 TIOBE 的排名）。然而，雖然 Python 程式語言上手容易，但因為在資料科學或機器學習的應用上，用到了大量第三方函式庫（例如：NumPy / SciPy、TensorFlow、Keras 等），在百家爭鳴、各有優勢、甚至是各種系統或硬體相依綁定的情況下，一個所謂「資料科學家」的工作環境，肯定會讓新手村的人把它搞成像一盤義大利麵一樣…
當然你可以使用 virtualenv、container、開 VM（有錢就是任性）等方式讓上述情況不會失控，但這又讓進入核心學習前，必須先修更多「基礎」了。這也說明了為什麼許多雲端平台的供應商都會提供適合 data science 或 deep learning 的虛擬機器映像檔了吧！
如果說有個環境可以讓你不用在一開始安裝一大堆軟體、不挑作業系統、能夠立即實驗／實作資料科學或機器學習專案、有著像 Jupyter Notebook 這樣的互動式環境、在學習時不用預花太多成本（例如雲端虛擬機器費用）、如果還能支援加速硬體（如：GPU）或是自定環境的話，是不是會讓你有更大的動力把資料科學或是機器學習學得更好呢？
那你怎麼可以不試試看 Google Colaboratory 呢？
開始使用 Google Colaboratory
Google Colaboratory （以下簡稱 Google Colab）是一個基於 Jupyter Notebook 的免費服務（須註冊一個 Google 帳號、其餘部份至少撰文的此刻仍是免費），所以如果你曾經用過 Jupyter Notebook 來學習 Python 的話，那應該不必特別學習就能立即上手這個服務了，就算有些不熟悉，第一次使用的歡迎 notebook 也有完整的教學文件，有不會用的地方讀一下就可以了。
如何開始
如果你已經有了 Google 帳號，打開瀏覽器到 https://colab.research.google.com/ 就可以準備開始使用 Google Colab 了，一開始會要你建立一本新的 notebook 開始，從提示畫面中你也可以看到有多種方法能建立 notebook：
你可以從官方提供的範例（EXAMPLES）、Google Drive、GitHub、自行上傳（UPLOAD）等方式，或是直接用最下面的按鈕建立全新的 notebook，目前 Google Colab 支援 Python 2 及 Python 3 ，也預先安裝了一些常用的 Python 函式庫，所以你立即就能開始做一些事。
想知道 Python 是哪個版本，你可以在 notebook 中插入
!python -V這樣的 system alias 來觀察，所以當然也可以使用!pip list觀察到底預裝了哪些函式庫，如果想用的還沒裝，當然可以!pip install --upgrade xxx來安裝，而 notebook 的運行環境也可以隨時重置（選單中的 Reset > Reset all runtime），所以不用怕把函式庫又搞爛。不過可能還是要注意一下是否有作業系統的相依性，Google Colab 的運行環境是 Ubuntu Linux。
值得一提的是，你所建立的 notebook 都是儲存在同 Google 帳號的 Google Drive 中，只有從 GitHub 直接載入的 notebook 本身是唯讀的（但可以執行內容，如果要修改可以存副本），所以其實你也可以直接從 Google Drive 中新增一個用於 Colab 的 notebook：
所以要將 notebook 分享給其它協作者也相當方便。
如何執行
Notebook 建立之後，你隨時可以使用選單中的 Edit > Notebook settings 來切換執行環境：
而當你在執行 notebook 中的程式碼時，Google Colab 會根據設定即時配置一個執行環境給你，或是根據這一頁說明及設定，在 notebook 的右上角切換連接到 local runtime 來執行。
由於 Google Colab 服務的出發點是為了互動式的操作學習，所以資源都是動態分配的，如果需要執行大量（例如資料量大、需長時間計算）的計算資源，建議照著上述說明文件在自己的運算資源（如：本地伺服器或是雲端的虛擬機器環境等）建立可連接的執行環境。根據目前 Colab 所提供的 FAQ 文件說明，並沒有明確定義的 quota，只有提醒耗時的運算資源可能會被中斷。
例如你可以試著從 GitHub 上載入這本 notebook: https://colab.research.google.com/github/tensorflow/tpu/blob/master/tools/colab/fashion_mnist.ipynb 來試試看如何在 Google Colab 上的 notebook 使用 TPU 的環境。
其它的部份，就像是 Jupyter Notebook 一般，在 notebook 上執行程式碼的部份就可以立即得到執行結果：
開始了第一步，然後呢
當然最關鍵的還是要把 Python 還有你想投入的領域學習好呀，而關於 Google Colab 的平台特性或操作，都在它的 Welcome notebook 中寫得很詳盡，我就不必再騙篇幅了，如果想關注最新發展，可以在 twitter 上 follow @GoogleColab。
