機器學習與物聯網

最新 03-16

近年來，物聯網市場的增長是不容忽視的。根據福布斯的數據，從2016年到2020年，全球物聯網市場將從1570億美元增長到4570億美元。投資的主要貢獻者包括製造業、物流和運輸等領先行業。

當涉及到主導這項投資的行業時，智能城市計劃和工業物聯網佔據了超過50%的市場份額。預計，到2020年，超過65%的企業將採用物聯網產品。

典型的物聯網解決方案包括以下五個階段：

這個流程的核心和驅動實際業務價值的是這個活動鏈的第三個階段，即「轉換和分析」。這是對數據進行檢查和決策的階段。這些決策將直接影響優化業務流的操作。

這就是機器學習和人工智慧的重要性。系統根據歷史數據做出認知決策的能力將極大地影響解決方案的價值。像Azure機器學習技術，可以利用監督學習技術來幫助基於分類、回歸和異常檢測的業務決策。

機器學習-演化

機器學習的概念對計算機世界來說並不新鮮。這一術語誕生於20世紀50年代末，靈感來自於計算機領域的相關領域，如模式識別和人工智慧。然而，利用這一概念來優化業務流程，很大程度上受到了配置和維護主機和執行機器學習演算法所需的計算和存儲成本的限制。

機器學習重新出現的主要原因是雲計算的發展及其在當今企業世界中的應用。通過提供無限可擴展的計算和存儲、高性能計算服務和按次付費的訂閱模式，雲計算成為將機器學習帶回生活的理想替代品。這使得任何規模的組織都能夠負擔得起機器學習演算法來優化他們的業務流程。它還鼓勵像微軟、亞馬遜和谷歌這樣的雲市場巨頭提供這種技術，作為一種基於訂閱模式的軟體服務。

機器學習與物聯網

機器學習使用歷史數據的監督學習技術來進行認知決策。歷史數據量越大，演算法的決策能力越好。這種理念使物聯網成為機器學習的理想用例，因為設備生成的數據通常非常頻繁。