AWS Simmit 首次辦在台灣，一整天的免費議程，分成好幾個track，這次主要參加的是物聯網與大數據應用track
整天下來有幾個重點值得注意
AWS IOT
上圖為AWS IOT的架構示意圖，為這次大會的主軸之一，AWS提供一系列的服務，為接下來的互聯網浪潮提供完整的後端支援。
從這個架構圖中可以從中窺知AWS的設計理念，資料流從前端透過MQTT或HTTP等協定進到Device Gateway，主要處理訊息的單位是Rules Engine，負責判斷訊息內容決定下一步傳輸方向，再交由後端AWS Services像是EMR進行機器學習資料探勘的處理，或是Redshift進入資料倉儲中。
其中值得注意的是Device Shadows的機制，這是過去Web、API開發比較少見，設計的思維是為了避免device斷線，後端無法得知Device的狀態，於是提供一個shadow，存取溝通就如同跟device溝通一樣，開發者不必費心處理之間的同步問題，將會在開機後自動進行同步。
AWS Alexa
圖右為當天demo的Amazon Echo
當天的亮點之一是Amazon Echo，而重點不是在這個硬體，而是背後提供的Alexa語音助理，使用者串接不同的服務，透過語音的介面控制身邊的IOT設備，當場demo起來感覺相當成熟，令人不禁想到Iron Man中的Jarvis，相信離誕生已經不遠了。
這只是開始，目前Amazon Echo還只能支援英文，相信在不遠的將來也能跟Siri一樣支援中文。
Data Analysis
上圖為資料分析的流程，右方為資料分析的最後一里路，真正決定此資料分析是否有價值來自右方所解決的問題
圖中為使用AWS服務進行資料分析的範例，謹記一點，永遠都從最右方 Answers&Insights 開始，清楚定義欲解決的問題之後，從左方開始決定要收集什麼Data，根據這些Data特性，用什麼服務來儲存、分析預測、視覺化等等，AWS在當中提供許多的工具幫助資料科學家快速的進行實驗，而不必從頭建立環境。
不知道什麼需求該採用哪種服務嗎，可以參考上圖
這張投影片相當重要，再次重複了如何以一個資料的角度進行商業專案，一切都要與商業端接軌，清楚問對問題，再次確認是否有滿足商業需求，再回頭設計整個資料串流，並進行分析預測實驗。
最後，保持Agile，敏捷應對劇烈變化的商業需求。
(AWS IOT infra from https://paolopatierno.wordpress.com/2015/10/13/an-iot-platforms-match-microsoft-azure-iot-vs-amazon-aws-iot/)