Editar

IA na borda com o Azure Stack Hub

Azure Container Registry
Azure Kubernetes Service (AKS)
Azure Machine Learning
Azure Stack Hub

Ideias de soluções

Este artigo é uma ideia de solução. Se você quiser que expandamos o conteúdo com mais informações, como possíveis casos de uso, serviços alternativos, considerações de implementação ou orientação de preços, informe-nos fornecendo feedback do GitHub.

Essa arquitetura mostra como você pode levar seu modelo de IA treinado para a borda com o Azure Stack Hub e integrá-lo com seus aplicativos para inteligência de baixa latência.

Arquitetura

Diagrama de arquitetura mostrando um aplicativo habilitado para IA que está sendo executado na borda com o Azure Stack Hub.

Transfira um ficheiro do Visio desta arquitetura.

Fluxo de dados

  1. Os dados são processados usando o Azure Data Factory, para serem colocados no Azure Data Lake.
  2. Os dados do Azure Data Factory são colocados no Armazenamento do Azure Data Lake para treinamento.
  3. Os cientistas de dados treinam um modelo usando o Azure Machine Learning. O modelo está em contentores e colocado num Azure Container Registry.
  4. O modelo é implantado em um cluster do Kubernetes no Azure Stack Hub.
  5. O aplicativo Web local pode ser usado para pontuar dados fornecidos pelo usuário final, para pontuar em relação ao modelo implantado no cluster do Kubernetes.
  6. Os usuários finais fornecem dados que são pontuados em relação ao modelo.
  7. As informações e anomalias da classificação são colocadas numa fila.
  8. Um aplicativo de função é acionado quando as informações de pontuação são colocadas na fila.
  9. Uma função envia dados e anomalias compatíveis para o Armazenamento do Azure.
  10. Insights globalmente relevantes e compatíveis estão disponíveis para consumo no Power BI e em um aplicativo global.
  11. Ciclo de feedback: O retreinamento do modelo pode ser acionado por um cronograma. Os cientistas de dados trabalham na otimização. O modelo aprimorado é implantado e conteinerizado como uma atualização para o registro de contêiner.

Componentes

Principais tecnologias utilizadas para implementar esta arquitetura:

  • Azure Machine Learning: crie, implante e gerencie soluções de análise preditiva.
  • Azure Data Factory: Ingerir dados no Azure Data Factory.
  • Azure Data Lake Storage: Carregue dados no Azure Data Lake Storage Gen2 com o Azure Data Factory.
  • Registro de contêiner: armazene e gerencie imagens de contêiner em todos os tipos de implantações do Azure.
  • Serviço Kubernetes do Azure (AKS): simplifique a implantação, o gerenciamento e as operações do Kubernetes.
  • Armazenamento do Azure: armazenamento em nuvem durável, altamente disponível e massivamente escalável.
  • Azure Stack Hub: crie e execute aplicativos híbridos inovadores através dos limites da nuvem.
  • Azure Functions: unidade de computação sem servidor orientada por eventos para tarefas sob demanda executadas sem a necessidade de manter o servidor de computação.
  • Serviço de Aplicativo do Azure: caminho que captura dados de comentários do usuário final para habilitar a otimização do modelo.

Detalhes do cenário

Com as ferramentas de IA do Azure, borda e plataforma de nuvem, a inteligência de borda é possível. A próxima geração de aplicativos híbridos habilitados para IA pode ser executada onde seus dados vivem. Com o Azure Stack Hub, traga um modelo de IA treinado para a borda, integre-o com seus aplicativos para inteligência de baixa latência e faça feedback contínuo em um modelo de IA refinado para maior precisão, sem alterações de ferramentas ou processos para aplicativos locais. Esta ideia de solução mostra um cenário de Stack Hub conectado, onde os aplicativos de borda estão conectados ao Azure. Para obter a versão de borda desconectada desse cenário, consulte o artigo AI at the edge - disconnected.

Potenciais casos de utilização

Há uma ampla gama de aplicativos de IA de borda que monitoram e fornecem informações quase em tempo real. As áreas onde a Edge AI pode ajudar incluem:

  • Processos de deteção de câmeras de segurança.
  • Análise de imagem e vídeo (indústria de mídia e entretenimento).
  • Transporte e tráfego (indústria automóvel e da mobilidade).
  • Fabrico.
  • Energia (redes inteligentes).

Próximos passos

Para obter mais informações sobre os serviços do Azure em destaque, consulte os seguintes artigos e exemplos:

Veja as seguintes arquiteturas relacionadas: