恭喜我們來到最後一天！在這邊想對正在看文章的你說聲「謝謝」。 我們平常忙著工作或學業，花費時間陪伴家人及朋友，即便如此你還是額外花了許多時間看完這個系列文，非常感謝你點開本系列文與花費的時間。今天我們來回顧一下這個系列文所學到的。
我們瞭解了 AI 的重要性，以及什麼是深度學習，機器學習，和機器學習以外的 AI。
也看到了 AI 和機器人的差異，什麼是圖靈測試並知曉了 AI 的歷史。
我們看到了各種 AI 的發展趨勢。從棋盤的演算法進化，到聊天機器人與專家系統。更重要的，理解了機器學習和深度學習的目的。也就是找出一個從輸入到輸出的數學函數。
我們學會了監督式，非監督式，強化學習等各種常用的機器學習模型。
透過範例程式生成的視覺化圖形，我們直觀的看到模型學習的結果。並可以額外透過 Google colab 上簡短的文字註解瞭解程式執行過程。最後我們學到了評估模型好壞的方法。
基礎篇透過範例程式的執行動畫，我們可以看到神經網路如何實際地透過梯度下降逼近最佳解，以及學到了怎麼做梯度下降的改善和學習的改善。應用篇則是學到
先透過各個模型的應用實例看到了該模型可以怎麼運用，而前面學過的知識幫助我們瞭解論文的各種術語，像是 R-CNN 的 SVM，詞嵌入的 PCA 等等。進而理解目前最先端發展的模型架構。
非工程師的朋友如是說：覺得現在看得懂文章的我有點強。（謎之聲：並沒有）
我們看到資料和資料科學的關係，理解什麼是數位化和數位轉型。
並學到實際上企業如何進行一個 AI 專案，知道各種進行專案時好用的工具。
透過各產業的 AI 實例，給了我們更多想法，幫助我們思考如何使用 AI 在我們的生活和專業領域上。最後注意到 AI 在社會上的影響，和 AI 互相幫助的必要性。
開始踏出你的 AI 專案第一步：
如果你不是軟體工程師
工作上
試著將每天要做的工作裏頭找出適合做 AI 自動化的任務，向管理層提案和討論。也能試著將 AI 基礎知識作為公司員工的基本素養之一來推廣學習。
如果你本身就是管理層那更好，畢竟需要上層也理解 AI 才好推行。
生活上
找一個會寫程式的朋友，如果不懂 AI 也沒有關係，可以讓他開始學習，從本系列文開始也許是個不錯的主意。
和你的朋友討論從生活上的常規任務中試著做小型的自動化 AI，可以當作試驗性專案。
例如我同事為了喜歡玩的線上遊戲，所開發的遊戲自動化 AI。
如果你是軟體工程師
自己最早是使用 AI 來預測公司整年的營收，透過事前預測，先行做人力調配和改善。另外結合 RPA 與 微軟的 Teams 做連動，可以自動彙整資料做通知和上傳。
大家想了解 AI 和學習 AI 的動機是什麼呢？不可諱言地說，取決於這件事對我們有沒有好處，現在的 AI 時代就和2000年時候的網路時代一樣，是可以撼動各個產業的技術突破。無論是軟體工程師在就職上，或是非工程師在工作或生活上，不懂得活用 AI 就落後別人好幾條街，更別說現在的青少年們由於政府大力推廣 AI 的關係，學生時期就會開始接觸 AI 相關知識，有點像早期網路時代，學生們知道怎麼用網路玩聊天室，但是長輩們卻不清楚一樣。老生常談的活到老學到老，亦或是「終身學習」已經是一種必然的趨勢，而遠端工作盛行的現在，競爭的對手可能來自全球各地，自身能力的提升比起以前更為重要，運用 AI 的力量能幫助你節省時間，讓自己專注在真正有價值的事物上。
時間就是金錢，朋友！
最後，希望這個系列文有讓你感覺到 「AI 原來如此」，進而能夠和 AI 「互助就此開始」！
這邊是碎碎念。
呀～總算是結束了。這30天前期做圖片，中期寫程式，後期查論文和資料過得很充實，深刻體會到簡單扼要地將所學的知識舉例說明給別人聽是一件不容易的事情，不過也透過這樣的方式將知識給內化了。另外把英文和日文術語翻譯成中文真的很花時間，因為完全不知道這些專業術語在台灣的中文怎麼說，有時候找到的是大陸的講法，有點差異。為了推廣給大眾所以還是盡可能找了貼近台灣使用的中文術語。
這次因為家裡的事情剛好和公司請了幾周的假，否則我想也沒辦法完成這個系列文，難怪我朋友說參加這個比賽的人真的有事（稱讚的意思），最後有順利地照計畫完成整個架構真是太好了。雖然有時候可能會寫得有點混亂還請多多包涵，如果觀念有謬誤的地方也請各路大神不吝賜教。
iThome鐵人賽
看影片追技術