Macchina di apprendimento e l’Internet delle Cose

0
22

Zero

La crescita di Internet delle Cose (IoT) mercato negli ultimi anni, è difficile ignorare. Secondo Forbes, il global IoT mercato crescerà da $157 miliardi di $457 miliardi di euro tra il 2016 e il 2020. I maggiori contribuenti per l’investimento sono anche i più importanti settori come la produzione, la logistica e il trasporto.

Quando si tratta di settori che dominano questo investimento, iniziative smart city e industriale IoT top grafico attraverso il possesso di oltre il 50 per cento del mercato. Gartner prevede che oltre il 65% delle imprese adotta IoT prodotti entro l’anno 2020.

Una tipica soluzione IoT pipeline si compone delle seguenti cinque fasi:

fivestages.jpg

Il cuore di questo processo e ciò che spinge il reale valore di business è incapsulato nella terza fase di questa attività della catena, che è la ‘Trasformazione e Analytics. Questa è la fase in cui i dati vengono controllati e vengono prese le decisioni. Queste decisioni influenzano direttamente le azioni che verranno ottimizzare i flussi aziendali.

Questo è dove il ruolo di machine learning e di intelligenza artificiale diventa significativo. La capacità di un sistema cognitivo decisioni basate su dati storici di influenza notevolmente il valore della soluzione. Tecnologie come Azure Machine learning leva di apprendimento supervisionato tecniche per aiutare a prendere decisioni di business basato sulla classificazione, regressione, e il rilevamento di anomalie.

Macchina di apprendimento – evoluzione

Il concetto di macchina di apprendimento non è una novità per il mondo dell’informatica. La nascita del termine è successo alla fine del 1950, ispirato da campi correlati in informatica come riconoscimento di pattern e di intelligenza artificiale. Tuttavia, sfruttando questo concetto, per ottimizzare il processo di business è stato in gran parte vincolata dal costo di fornitura e manutenzione di calcolo e lo spazio di archiviazione necessario per ospitare ed eseguire algoritmi di machine learning.

La causa primaria per la ri-nascita di machine learning è l’evoluzione del cloud computing e la sua adozione nelle aziende di oggi mondo. Offrendo funzionalità come infinitamente scalabile di elaborazione e memorizzazione, high-performance computing e servizi di pay-per-use modello di sottoscrizione, il cloud computing è diventato il surrogato ideale per portare la macchina di apprendimento di tornare alla vita. Questo ha permesso alle organizzazioni di qualsiasi dimensione per accelerare eseguire algoritmi di apprendimento automatico per l’ottimizzazione dei loro processi di business. Inoltre incoraggiato il mercato del cloud giganti come Microsoft, Amazon e Google per offrire questa tecnologia come un software di servizio di consumo su un modello di sottoscrizione.

Macchina di Apprendimento e IoT

Macchina di apprendimento utilizza apprendimento supervisionato tecniche sui dati storici per rendere cognitive decisioni. Maggiore è la quantità di dati storici, il migliore le capacità decisionali dell’algoritmo. Questa filosofia fa IoT l’ideale di un caso d’uso per la macchina di apprendimento come i dati generati dai dispositivi di solito sono molto frequenti.

Di seguito sono riportati alcuni scenari comuni in cui la macchina di apprendimento lavora mano nella mano con IoT per abilitare i ottimizzazioni:

Anomalia di monitoraggio — Azure machine learning può essere utilizzato per rilevare anomalie di serie temporali di dati, nel feed di dati inviati dall’IoT dispositivi che sono uniformemente distanziate nel tempo. Anomalie come i picchi e le cadute, il positivo e il negativo trend, può essere rilevato utilizzando una macchina algoritmo di apprendimento di monitoraggio, la diretta streaming del dispositivo feed.La manutenzione predittiva — manutenzione Predittiva influenza direttamente le spese per l’organizzazione, il che lo rende uno dei più popolari di machine learning solutions. La capacità di algoritmi di machine learning per prevedere la possibilità di un dispositivo non, vita residua di attrezzature, e le cause di fallimento può consentire alle aziende di ottimizzare i costi operativi, riducendo i tempi di manutenzione in modo significativo.Veicolo telemetria — La capacità di apprendimento automatico soluzioni di ingerire milioni di eventi di veicoli a migliorare la loro sicurezza, l’affidabilità e l’esperienza di guida rende auspicabile la tecnologia da adottare per il trasporto e la logistica.

Microsoft stack di tecnologie per l’Apprendimento automatico e IoT

Tra le popolari fornitori di servizi Cloud, Microsoft è stata la prima a lanciare un vero e proprio IoT e machine learning soluzione. L’offerta da Microsoft coinvolge molteplici tecnologie offerto come un servizio per soddisfare le diverse fasi della IoT pipeline. Di seguito sono riportate alcune di queste tecnologie:

AzureIoTHubAzureIoTsuitAzureIoTEdgeazureeventhubazure Flusso analyticsAzure Macchina learningMicrosoft cognitive servicesSupporting tecnologie Azure Evento HubAzure Servizio di bus topicsAzure evento griglia

Di più su queste tecnologie e il ruolo che essi giocano nel IoT pipeline saranno coperti nel mio prossimo blog.

Leggi di più su IoT per l’impresa.

Argomenti Correlati:

Cloud

Tech Exchange

0