Inženýr umělé inteligence a hraničních zařízení

Začátečník
Odborník na AI
Odborník na datové vědy
Azure
IoT
Azure Notebooks
Cloud Shell
Container Instances
Container Registry
IoT Edge
IoT Hub
Machine Learning
Azure Resource Manager
Virtual Machines

Souhra mezi umělou inteligencí (AI), cloudem a hraničními (edge) zařízeními představuje rychle se rozvíjející oblast. V současné době je mnoho řešení IoT založeno na základní telemetrii. Funkce telemetrie shromažďuje data z hraničních zařízení a ukládá je do úložiště dat. Náš přístup překračuje rámec základní telemetrie. Snažíme se modelovat problémy reálného světa prostřednictvím algoritmů strojového učení a hlubokého učení a implementovat model prostřednictvím AI a cloudu na hraničních zařízeních. Model se vytrénuje v cloudu a nasadí na hraniční zařízení. Nasazení na hraniční zařízení poskytuje smyčku zpětné vazby pro vylepšení obchodního procesu (tzv. digitální transformace).

V tomto studijním programu používáme mezioborový technický přístup. Snažíme se vytvořit standardní šablonu pro mnoho komplikovaných oblastí nasazení AI na hraničních zařízeních, jako jsou drony, autonomní vozidla atd. Tento studijní program prezentuje strategie implementace pro rozvíjející se oblast složitých aplikací AI. Ústředním prvkem tohoto přístupu jsou kontejnery. Kontejnery můžou při nasazení do hraničních zařízení obsáhnout prostředí pro nasazení na nejrůznější hardware. Logickým rozšířením nasazení kontejnerů na hraničních zařízeních je CICD (kontinuální integrace – průběžné nasazování). V budoucích modulech tohoto studijního programu možná představíme i další techniky, jako je bezserverová architektura a nasazení na mikrořadičích.

Technicky motivovaný přístup podporuje témata pro technické vzdělávání, jako například: 

  • Systémové myšlení
  • Experimentování a řešení problémů
  • Vylepšení prostřednictvím experimentování
  • Nasazení a analýza prostřednictvím testování
  • Dopad na jiné technické oblasti
  • Prognózování chování komponent nebo systémů
  • Aspekty návrhu
  • Práce v rámci omezení/tolerance a specifických provozních podmínek – například omezení zařízení
  • Aspekty bezpečnosti a zabezpečení
  • Vytváření nástrojů, které vám pomůžou vytvořit řešení
  • Vylepšení procesů – použití hraničních zařízení (IoT) k poskytnutí analytické smyčky zpětné vazby pro řízení obchodních procesů
  • Společenský dopad technických řešení
  • Estetický dopad návrhu a technických řešení
  • Nasazení ve velkém měřítku
  • Řešení složitých obchodních problémů kompletním nasazením umělé inteligence (AI), hraničních (edge) zařízení a cloudu

Technologie umělé inteligence, cloudu a hraničních zařízení nasazené jako kontejnery v režimu CICD můžou nakonec transformovat celá odvětví tím, že vytvoří samostatně se učící ekosystém specifický pro dané odvětví, který pokrývá celý řetěz hodnot. Usilujeme o navržení takové sady šablon/metodologií pro nasazení AI do hraničních zařízení v kontextu cloudu. V tomto studijním programu:

  • Seznámení s vytvářením řešení pomocí IoT a cloudu
  • Pochopení procesu nasazení řešení založených na IoT na hraniční zařízení
  • Poznání postupu implementace modelů do hraničních zařízení pomocí kontejnerů
  • Prozkoumání použití DevOps pro hraniční zařízení

Vytvořeno ve spolupráci s Oxfordskou univerzitou – Ajit Jaokar: Artificial Intelligence: Cloud and Edge Implementations course (Umělá inteligence: Implementace cloudu a hraničních zařízení – kurz)

Požadavky

Žádné

Moduly v tomto studijním programu

Vysvětlíte význam Azure IoT spolu s problémy, které řeší. Popíšete součásti Azure IoT a vysvětlíte, jak je zkombinujete, abyste poskytli řešení IoT, která jsou přínosem pro podniky.

Posuďte vlastnosti služby Azure IoT Hubu a určete v jakých scénářích ji použít.

Vysvětlíme základní charakteristiky IoT Edge a fungování součástí IoT Edge (modulů, modulů runtime a cloudového rozhraní). Budeme charakterizovat typy problémů, které můžete vyřešit pomocí IoT Edge. Popíšeme, jak se prvky IoT Edge dají kombinovat pro řešení problému nasazení aplikací IoT v cloudu.

Nasadíte předem vytvořený modul simulátoru teploty na zařízení IoT Edge pomocí kontejneru. Zkontrolujete, že se modul úspěšně vytvořil a nasadil a podíváte se na simulovaná data.

Trénovaný modul strojového učení nasadíte pomocí kontejneru do hraničního zařízení. Vámi vytvořený modul strojového učení se nasadí do zařízení IoT Edge. Zkontrolujete, že se image kontejneru úspěšně vytvořila a uložila v registru kontejneru Azure. Data z nasazeného modulu si prohlédnete z IoT Edge.

Posuďte vlastnosti řešení Azure Functions pro IoT. Článek popisuje funkce triggerů a vazeb a ukazuje, jak je kombinovat, abyste vytvořili škálovatelné řešení IoT. Článek také popisuje výhody použití cloudové infrastruktury, která umožňuje rychle nasadit aplikace IoT pomocí Azure Functions.

Vytvořením a nasazením funkce Azure Functions vytvoříte zařízení IoT pro překlad jazyka. Funkce bude používat službu Cognitive Speech Service. Vaše zařízení bude nahrávat hlas v cizím jazyce a převádět řeč do cílového jazyka.

Implementujte do zařízení IoT Edge kognitivní službu, která umí rozpoznat jazyk. Popis komponent a kroků implementace kognitivní služby do zařízení IoT Edge

Budeme analyzovat význam MLOps pro vývoj a nasazení modelů strojového učení pro IoT Edge. Popíšeme si komponenty kanálu MLOps a ukážeme si, jak můžete jejich kombinováním vytvářet modely pro zařízení IoT Edge, které je možné automaticky znovu trénovat.

Nadefinujte řešení pro orientační testování virtuálních zařízení Azure IoT Edge. Vaše řešení bude využívat strategii CI/CD (kontinuální integrace / průběžné nasazování) a služby Azure DevOps, Azure Pipelines a Azure Monitor Application Insights v clusteru Kubernetes.

Určení typů obchodních problémů, které je možné vyřešit pomocí Azure Sphere. Vysvětlení možností a komponent (mikrořadič, operační systém, cloudová služba zabezpečení) pro Azure Sphere. Popis, jak komponenty poskytují zabezpečenou platformu pro vývoj, nasazení a údržbu zabezpečených řešení IoT připojených k internetu.

Implementace modelu neurální sítě pro provádění klasifikace obrázků v reálném čase na zabezpečeném zařízení s mikrořadičem připojeným k internetu (Azure Sphere). Popis součástí a kroků pro implementaci předem natrénovaného modelu klasifikace obrázků v Azure Sphere.

Nasazením aplikace zařízení Azure Sphere můžete monitorovat okolní podmínky v laboratorním prostředí. Aplikace bude sledovat podmínky prostředí v místnosti, připojovat se k IoT Hubu a odesílat telemetrická data ze zařízení do cloudu. Vy budete řídit komunikaci mezi cloudem a zařízením a podle potřeby provádět příslušné akce.

Nasazením aplikace Azure Sphere můžete monitorovat okolní podmínky v laboratoři. Aplikace bude sledovat prostředí v místnosti, připojovat se k Azure IoT Central a odesílat telemetrická data ze zařízení do cloudu. Vy budete řídit komunikaci mezi cloudem a zařízením a podle potřeby provádět příslušné akce.