KI-Edge-Entwickler
Das Zusammenspiel zwischen KI, Cloud und Edge ist eine sich rasch entwickelnde Domäne. Aktuell basieren viele IoT-Lösungen auf grundlegenden Telemetriedaten. Die Telemetriefunktion erfasst Daten von Edgegeräten und speichert sie in einem Datenspeicher. Unser Ansatz geht über die grundlegende Telemetrie hinaus. Wir möchten Probleme in der realen Welt durch Algorithmen des maschinellen Lernens und Deep Learning-Algorithmen abbilden und das Modell über KI und die Cloud auf Edgegeräten implementieren. Das Modell wird in der Cloud trainiert und auf dem Edgegerät bereitgestellt. Die Bereitstellung im Edge-Bereich bietet eine Feedbackschleife zur Verbesserung des Geschäftsprozesses (digitale Transformation).
In diesem Lernpfad arbeiten wir mit einem interdisziplinären Engineeringansatz. Wir möchten eine Standardvorlage für viele komplexe Bereiche der KI-Bereitstellung auf Edgegeräten erstellen, z. B. für Drohnen, autonome Fahrzeuge usw. In diesem Lernpfad werden Implementierungsstrategien für eine sich entwickelnde Landschaft komplexer KI-Anwendungen dargestellt. Container sind für diese Vorgehensweise von zentraler Bedeutung. Wenn Container auf Edgegeräten bereitgestellt werden, können sie Bereitstellungsumgebungen für unterschiedliche Hardware kapseln. CiCd (Continuous Integration/Continuous Deployment) stellt eine logische Erweiterung für die Bereitstellung von Containern auf Edgegeräten dar. In zukünftigen Modulen in diesem Lernpfad werden unter Umständen weitere Techniken wie serverloses Computing und die Bereitstellung auf Mikrocontrollereinheiten eingeführt.
Der von Entwicklern geleitete Ansatz unterstützt Themen bzw. Konzepte für die Ausbildung im Engineering, z. B.
- Systemdenken
- Experimentieren und Probleme lösen
- Verbessern durch Experimentieren
- Bereitstellung und Analyse durch Tests
- Einfluss auf andere Entwicklungsdomänen
- Vorhersagen des Verhaltens anderer Komponenten oder des Systems
- Überlegungen zum Entwurf
- Arbeiten mit Einschränkungen/Toleranzen und bestimmten Betriebsbedingungen, z. B. Geräteeinschränkungen
- Sicherheitsüberlegungen
- Erstellen von Tools, die Unterstützung beim Erstellen der Lösung bieten
- Verbessern von Prozessen durch Verwendung von Edge (IoT), um eine Analysefeedbackschleife für Geschäftsprozesse zum Steuern von Prozessen bereitzustellen
- Der soziale Einfluss des Engineering
- Der ästhetische Einfluss von Entwürfen und Engineering
- Bedarfsabhängige Bereitstellungen
- Lösen komplexer Geschäftsprobleme durch End-to-End-Bereitstellung von KI, Edge und Cloud
Letztendlich können KI-, Cloud- und Edge-Technologien, die als Container im CiCd-Modus bereitgestellt werden, ganze Branchen transformieren, indem sie ein branchenspezifisches und selbstlernendes Ökosystem generieren, das die gesamte Wertkette umfasst. Wir möchten solche Vorlagen bzw. Methoden für die Bereitstellung von KI auf Edgegeräte im Cloudkontext entwerfen. Dieser Lernpfad umfasst Folgendes:
- Informationen zur Erstellung von Lösungen mit IoT und der Cloud
- Verstehen des Bereitstellungsprozesses von auf IoT-basierten Lösungen auf Edgegeräten
- Lernen des Prozesses zum Implementieren von Modellen auf Edgegeräten mithilfe von Containern
- Erkunden der Verwendung von DevOps für Edgegeräte
Erstellt in Zusammenarbeit mit der University of Oxford – Ajit Jaokar, Artificial Intelligence: Cloud and Edge Implementations course (Künstliche Intelligenz: Kurs für Cloud- und Edge-Implementierung).
Voraussetzungen
Keine
Erfolgscode
Möchten Sie einen Erfolgscode beantragen?
Module in diesem Lernpfad
Identifizieren verschiedener Geschäftsprozesse, denen mit Azure IoT ein Mehrwert hinzugefügt werden kann Untersuchen von Azure IoT-Diensten wie IoT Hub und IoT Central, die Ihnen beim Erstellen von IoT-Lösungen helfen.
Bewerten Sie die Eigenschaften von Azure IoT Hub und ermitteln Sie Szenarios für die Verwendung von IoT Hub.
Erläutern Sie die wichtigsten Merkmale von IoT Edge und die Funktionalität der IoT Edge-Komponenten (Module, Runtime und Cloudschnittstelle). Charakterisieren Sie die Probleme, die Sie mit IoT Edge lösen können. Beschreiben Sie, wie die Elemente von IoT Edge kombiniert werden können, um das Bereitstellungsproblem von IoT-Anwendungen in der Cloud zu lösen.
In diesem Modul stellen Sie ein vorgefertigtes Temperatursimulatormodul mithilfe eines Containers auf einem IoT Edge-Gerät bereit. Sie überprüfen, ob das Modul erfolgreich erstellt und bereitgestellt wurde, und zeigen simulierte Daten an.
Bewerten der Merkmale von Azure Functions für IoT. Beschreiben der Funktion von Triggern und Bindungen und lernen, wie Sie diese kombinieren, um eine skalierbare IoT-Lösung zu erstellen. Beschreiben der Vorteile der Verwendung von Cloudinfrastruktur zum schnellen Bereitstellen von IoT-Anwendungen mit Azure Functions.
Sie können eine Azure-Funktion erstellen und bereitstellen, um ein IoT-Gerät zur Sprachübersetzung zu erstellen. Die Funktion verwendet den Sprachdienst von Cognitive Services. Ihr Gerät zeichnet eine Stimme in einer Fremdsprache auf und übersetzt das Gesprochene in eine Zielsprache.
In diesem Modul implementieren Sie einen Cognitive Services-Dienst zum Durchführen einer Sprachenerkennung auf einem IoT Edge-Gerät. Außerdem werden die Komponenten und Schritte für das Implementieren eines Cognitive Services-Diensts auf einem IoT Edge-Gerät beschrieben.
Hier analysieren Sie die Bedeutung von MLOps bei der Entwicklung und Bereitstellung von Machine Learning-Modellen für IoT Edge. Außerdem werden die Komponenten der MLOps-Pipeline beschrieben und Sie erfahren, wie Sie diese zum Erstellen von Modellen kombinieren können, die für IoT Edge-Geräte automatisch erneut trainiert werden können.
Hier definieren Sie eine Lösung für eine Feuerprobe für virtuelle Azure IoT Edge-Geräte. Ihre Lösung verwendet eine CI/CD (Continuous Integration/ Continuous Deployment)-Strategie mithilfe von Azure DevOps und Azure Pipelines auf einem Kubernetes-Cluster.
Bestimmen Sie die Geschäftsprobleme, die mit Azure Sphere gelöst werden können. Erläutern Sie die Funktionen und Komponenten (Mikrocontrollereinheit, Betriebssystem, cloudbasierter Sicherheitsdienst) für Azure Sphere. Beschreiben Sie, wie die Komponenten eine sichere Plattform für die Entwicklung, die Bereitstellung und die Wartung sicherer IoT-Lösungen bieten, die mit dem Internet verbunden sind.
Implementieren eines neuronalen Netzwerkmodells zum Ausführen der Bildklassifizierung in Echtzeit auf einem sicheren, mit dem Internet verbundenen und auf einem Mikrocontroller basierenden Gerät (Azure Sphere). Beschreiben Sie die Komponenten und Schritte zum Implementieren eines vorab trainierten Bildklassifizierungsmodells in Azure Sphere.
Stellen Sie eine Azure Sphere-Geräteanwendung bereit, um Umgebungsbedingungen für Laborbedingungen zu überwachen. Die Anwendung überwacht die Umgebungsbedingungen in Räumen, stellt eine Verbindung mit IoT Hub her und sendet Telemetriedaten vom Gerät an die Cloud. Sie steuern die Kommunikation zwischen Cloud und Gerät und agieren bei Bedarf.
Stellen Sie eine Azure Sphere-Anwendung bereit, um Umgebungsbedingungen für ein Labor zu überwachen. Die Anwendung überwacht die Umgebung in Räumlichkeiten, stellt eine Verbindung mit Azure IoT Central her und sendet Telemetriedaten vom Gerät an die Cloud. Sie steuern die Kommunikation zwischen Cloud und Gerät und agieren bei Bedarf.
Erstellen Sie mit Azure KI Services und Azure Speech Services eine Lösung für maschinelles Sehen in IoT Edge. Mit der Anwendung werden gescannte Artikel erfasst und identifiziert; dabei wird der Name des Artikels in Sprache konvertiert.
Verwenden Sie ein Live Video Analytics-Modul in IoT Edge, und stellen Sie eine Custom Vision-Lösung für maschinelles Lernen auf einem IoT Edge-Gerät bereit. Die Lösung identifiziert Lücken in Verkaufsregalen. Überprüfen Sie, ob die Lösung erfolgreich bereitgestellt wurde, und testen Sie Ihre Lösung über eine Webanwendung.
Verwenden Sie ein Live Video Analytics-Modul, um eine Lösung für maschinelles Lernen auf einem IoT Edge-Gerät bereitzustellen. Die Lösung verarbeitet einen Videofeed von Kameras und erkennt Objekte am Edge mithilfe eines YOLO-Modells, um Rückschlussvorgänge durchzuführen. Überprüfen Sie, ob die Lösung erfolgreich bereitgestellt wurde, und testen Sie Ihre Lösung in einer Webanwendung.