Ingeniero de inteligencia artificial en dispositivos perimetrales
La interacción entre la inteligencia artificial, la nube y los dispositivos perimetrales es un campo que evoluciona rápidamente. Actualmente, muchas soluciones de Internet de las cosas se basan en la telemetría básica. La función de telemetría captura los datos de los dispositivos perimetrales y los almacena en un almacén de datos. Nuestro enfoque va más allá de la telemetría básica. Queremos modelar los problemas del mundo real a través de algoritmos de aprendizaje automático y aprendizaje profundo, e implementar el modelo obtenido en dispositivos perimetrales mediante la inteligencia artificial y la nube. El modelo se entrena en la nube y se implementa en un dispositivo perimetral. La implementación en el dispositivo perimetral proporciona un bucle de comentarios que permite mejorar el proceso empresarial (transformación digital).
En esta ruta de aprendizaje, adoptamos un enfoque de ingeniería interdisciplinaria. Queremos crear una plantilla estándar para varias áreas complejas de la implementación de la inteligencia artificial en dispositivos perimetrales como drones, vehículos autónomos, etc. En la ruta de aprendizaje se presentan estrategias de implementación para un panorama de aplicaciones de inteligencia artificial complejas en constante cambio. Los contenedores son fundamentales para este enfoque. Cuando se implementan en dispositivos perimetrales, los contenedores pueden encapsular entornos de implementación para una gran variedad de hardware. CICD (integración continua: implementación continua) es una extensión lógica para la implementación de contenedores en dispositivos perimetrales. En módulos futuros de esta ruta de aprendizaje, puede que incluyamos otras técnicas, como la informática sin servidor o la implementación en unidades de microcontrolador.
El enfoque orientado a la ingeniería se basa en temas y pedagogías de la formación en ingeniería como los siguientes:
- Diseño de sistemas
- Experimentación y solución de problemas
- Mejora mediante la experimentación
- Implementación y análisis a través de pruebas
- Impacto en otros campos de la ingeniería
- Previsión del comportamiento de un componente o sistema
- Consideraciones de diseño
- Trabajo con restricciones y tolerancias, así como condiciones de funcionamiento específicas, como las restricciones de dispositivos
- Consideraciones de seguridad
- Creación de herramientas que ayudan a crear soluciones
- Mejora de los procesos: uso de dispositivos perimetrales (Internet de la cosas) para proporcionar un bucle de comentarios de análisis del proceso empresarial con el objetivo de impulsar los procesos
- Impacto social de la ingeniería
- Impacto estético del diseño y la ingeniería
- Implementaciones a escala
- Solución de problemas empresariales complejos mediante una implementación de un extremo a otro de inteligencia artificial, dispositivos perimetrales y la nube.
En última instancia, las tecnologías de inteligencia artificial, la nube y dispositivos perimetrales implementadas como contenedores en modo CICD son capaces de transformar sectores enteros mediante la creación de ecosistemas de autoaprendizaje y adaptados a un sector que abarcan toda la cadena de valor. Queremos diseñar un conjunto de plantillas o metodologías para la implementación de la inteligencia artificial en dispositivos perimetrales en el ámbito de la nube. En esta ruta de aprendizaje se ofrece lo siguiente:
- Más información sobre la creación de soluciones con el Internet de las cosas y la nube
- Descripción del proceso de implementación de soluciones basadas en el Internet de las cosas en dispositivos perimetrales
- Aprendizaje del proceso de implementación de modelos en dispositivos perimetrales mediante contenedores
- Exploración del uso de DevOps para dispositivos perimetrales
Contenido producido en colaboración con la Universidad de Oxford – Ajit Jaokar Artificial Intelligence: Cloud and Edge Implementations course (Inteligencia artificial: curso de implementaciones de la nube y dispositivos perimetrales).
Requisitos previos
Ninguno
Código de logros
¿Desea solicitar un código de logro?
Módulos en esta ruta de aprendizaje
Caracterice los tipos de procesos empresariales a los que Azure IoT pueda agregar valor. Examine los servicios de Azure IoT, como IoT Hub e IoT Central, que le ayudan a crear soluciones IoT.
Evalúe las características de Azure IoT Hub y determine los escenarios en los que se debe usar.
Explique las características esenciales de IoT Edge y la funcionalidad de sus componentes (módulos, entorno de ejecución e interfaz en la nube). Caracterice los tipos de problemas que puede resolver con IoT Edge. Describa cómo se pueden combinar los elementos de IoT Edge para solucionar el problema de la implementación de aplicaciones de IoT en la nube.
Implemente un módulo simulador de temperatura precompilado en un dispositivo IoT Edge mediante un contenedor. Compruebe que el módulo se ha creado e implementado correctamente y consulte los datos simulados.
Evalúe las características de Azure Functions para IoT. Se describe la función de desencadenadores y enlaces y se muestra cómo combinarlos para crear una solución de IoT escalable. Se describen las ventajas del uso de la infraestructura de nube para implementar rápidamente aplicaciones de IoT con Azure Functions.
Cree e implemente una función de Azure para crear un dispositivo IoT de traducción de idiomas. La función usará Cognitive Speech Services. El dispositivo grabará una voz en un idioma extranjero y la convertirá en un idioma de destino.
Implemente un servicio cognitivo para detectar idiomas en un dispositivo IoT Edge. Describa los componentes y los pasos necesarios para implementar un servicio cognitivo en un dispositivo IoT Edge.
Analice el significado de MLOps en el desarrollo y la implementación de modelos de Machine Learning para IoT Edge. Describa los componentes de la canalización de MLOps y muestre cómo combinarlos para crear modelos que se pueden volver a entrenar de forma automática para dispositivos IoT Edge.
Defina una solución para realizar pruebas de humo en dispositivos Azure IoT Edge virtuales. La solución emplea una estrategia de CI/CD (integración continua/implementación continua) mediante Azure DevOps y Azure Pipelines en un clúster de Kubernetes.
En este módulo, determinaremos los tipos de problemas empresariales que se pueden resolver con Azure Sphere. Explique las capacidades y los componentes (unidad de microcontrolador, sistema operativo, servicio de seguridad basado en la nube) para Azure Sphere. Describa la forma en que los componentes proporcionan una plataforma segura para desarrollar, implementar y mantener soluciones seguras de IoT conectadas a Internet.
Implemente un modelo de red neuronal para realizar clasificaciones de imágenes en tiempo real en un dispositivo protegido, basado en un microcontrolador con conexión a Internet (Azure Sphere). Describa los componentes y los pasos para implementar un modelo de clasificación de imágenes entrenado previamente en Azure Sphere.
Implemente una aplicación de dispositivo de Azure Sphere para supervisar las condiciones ambientales de un laboratorio. La aplicación supervisará las condiciones del entorno de la sala, se conectará a IoT Hub y enviará datos de telemetría del dispositivo a la nube. Podrá controlar las comunicaciones de la nube al dispositivo y tomar medidas según sea necesario.
Implemente una aplicación de Azure Sphere para supervisar las condiciones ambientales de un laboratorio. La aplicación supervisará el entorno de la sala, se conectará a Azure IoT Central y enviará datos de telemetría del dispositivo a la nube. Podrá controlar las comunicaciones de la nube al dispositivo y tomar medidas según sea necesario.
Cree una solución de visión artificial en IoT Edge mediante los servicios de Azure AI y Azure Speech Services. La aplicación capturará e identificará el artículo escaneado y convertirá su nombre en voz.
Use un módulo de Live Video Analytics en IoT Edge e implemente una solución de aprendizaje automático de Custom Vision en un dispositivo IoT Edge. La solución detectará espacios vacíos en las estanterías. Compruebe si la solución se ha implementado correctamente y pruébela desde una aplicación web.
Utilice un módulo de Live Video Analytics para implementar una solución de aprendizaje automático en un dispositivo IoT Edge. La solución procesará una fuente de vídeo de las cámaras y detectará objetos en el perímetro mediante un modelo YOLO para realizar operaciones de inferencia. Compruebe que la solución se ha implementado correctamente y pruébela desde una aplicación web.