Використання фреймворку MLOPS для збільшення рівня життєвого циклу машинного навчання в IоT

DOI: 10.31673/2412-9070.2021.024952

Анотація

Останніми роками особливої популярності набули пристрої IoT, що призвело до великих обсягів даних та попиту на зв'язок з низькою затримкою, зумовлюючи попит на мережі 5G. Цей зсув в інфраструктурі дає змогу приймати рішення в режимі реального часу з використанням штучного інтелекту для додатків IoT. Штучний інтелект речей (AIoT) — це поєднання технологій штучного інтелекту (AI) з інфраструктурою Інтернету речей (IoT) для досягнення більш ефективних операцій IoT та прийняття рішень. З’являються крайові обчислення, щоб активувати системи AIoT. Крайові обчислення дають можливість генерувати статистику та приймати рішення у джерелі даних, зменшуючи обсяг даних, що надсилаються до хмари та центрального сховища. Екосистема для полегшення крайових обчислень для додатків AIoT стала важливою щодо прийняття рішень у режимі реального часу.

Ключові слова: хмарна платформа; штучний інтелект; Інтернет речей; крайові обчислення; великі дані; машинне навчання.

Список використаної літератури
1. Общие сведения об MLOps для IoT Edge [Електронний ресурс]. URL: https://docs.microsoft.com/ru-ru/learn/modules/intro-mlops-iot-edge/1-introduction
2. MLOps: Model management, deployment, and monitoring with Azure Machine Learning [Електронний ресурс]. URL: https://docs.microsoft.com/en-us/azure/machine-learning/concept-model-management-and-deployment
3. How MLOps works for IoT Edge [Електронний ресурс]. URL: https://docs.microsoft.com/uk-ua/learn/modules/intro-mlops-iot-edge/3-how-mlops-works
4. How DevOps For Machine Learning (MLOps) Works For IoT Edge With Azure IoT Edge [Електронний ресурс]. URL: https://nayeen.info/devops-for-machine-learning-with-azure-iot-edge/
5. Edge MLOps framework for AIoT applications [Електронний ресурс]. URL: https://www.theseus.fi/bitstream/handle/10024/342167/Raj_Emmanuel.pdf?sequence=2&isAllowed=y
6. Wieringa Roel J. Design Science Methodology for Information Systems and Software Engineering [Електронний ресурс]. 2014. URL: https://ris.utwente.nl/ws/files/5123327/Wieringa_2014_-Design_science_methodology_-_front_matter.pdf.