～ 終於 ～

回顧一下 SageMaker 的機器學習開發流程：
資料準備 → 分析找出特徵資料→ 訓練模型 → 調整模型 → 部署模型 → 監控
有興趣的可以再到這個網址實際跑一次：Amazon SageMaker Immersion Day (workshops.aws)
這篇看起來是目前我認為對於流程解說得比較完整詳細的一篇

還是要提醒這些範例很多會使用需要收費的 notebook instance 要注意，確實在練習之後記得清除資源

第一次參加鐵人賽，感覺這不僅僅是個比賽，更是知識學習模式的一種典範，把一個大主題切成 30 天，循序漸進式地定期寫作，到最後一天，真的會感覺到自己好像真的掌握了些什麼，也知道哪些是需要補足的，需要補足的，可以拿來當作下個三十天的主題，好喜歡這樣的模式，明年應該還會再來。

從七月看到那篇自動化程式交易的 AWS Blog 開始，便開始了我的破關之旅，無論要說幾次，AWS 大量開放豐富且質量高的官方文件，加上網路神人們的貢獻，讓這段旅程走起來還算大致平順，當中也嘗試了很多 Blog 內容之外的服務應用，更深入瞭解了 VPC、IAM、Lambda 等服務，算是有符合到預期的收穫。

綜觀來說，AWS 的解決方案對個人來說是昂貴的，搞了 30 天，結果可能還是會選擇自己買台個人電腦插上 GPU 顯卡來做長期的個人用開發線上伺服器 XD，不過作為機器學習的入門，大量豐富有效的文件以及範例，很適合用來參考學習，尤其是現在 AI 浪潮下，人人會 AI 的時代，買書來看可能大部分都在解說演算法的部分，比較少有直接切入深入應用的範例，這邊推薦給大家上面的例子 Amazon SageMaker Immersion Day (workshops.aws)
這個 workshop ，也會是我下一個攻略的目標之一。

關於 AI 機器學習演算法的深入了解，這部分很可惜在這三十天內並沒有補足，期許自己在未來一年再精進這方面的知識，明年可以報名 AI & Data 的組別。