編集

次の方法で共有


Azure Stack Hub によるエッジでの AI

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

ソリューションのアイデア

このアーティクルはソリューションのアイデアです。 このコンテンツにさらに多くの情報 (想定されるユース ケース、代替サービス、実装に関する考慮事項、価格ガイダンスなど) の掲載をご希望の方は、 GitHub のフィードバックでお知らせください。

この記事では、Azure Stack Hub を使用してトレーニング済みの AI モデルをエッジに導入し、それをアプリケーションと統合して低遅延のインテリジェンスを実現する方法を示します。

アーキテクチャ

Azure Stack Hub を使用してエッジで実行されている AI 対応アプリケーションを示すアーキテクチャの図。

このアーキテクチャの Visio ファイル をダウンロードします。

データフロー

  1. データは Azure Data Factory を使用して処理され、Azure Data Lake に配置されます。
  2. Azure Data Factory からのデータは、トレーニングのために Azure Data Lake Storage に配置されます。
  3. データ サイエンティストは、Azure Machine Learning を使用してモデルをトレーニングします。 モデルがコンテナー化され、Azure Container Registry に配置されます。
  4. モデルが、Azure Stack Hub 上の Kubernetes クラスターにデプロイされます。
  5. オンプレミスの Web アプリケーションを使用して、エンド ユーザーから提供されたデータのスコア付けし、Kubernetes クラスターにデプロイされたモデルに対してスコア付けを行うことができます。
  6. エンド ユーザーが、モデルに対してスコア付けされたデータを提供します。
  7. スコアリングによって得られた分析情報と異常がキューに入れられます。
  8. スコアリング情報がキューに配置されると、関数アプリがトリガーされます。
  9. 関数によって、準拠データと異常が Azure Storage に送信されます。
  10. グローバルに関連性があり、準拠した分析情報は、Power BI とグローバル アプリのたにめに利用できます。
  11. フィードバック ループ: モデルの再トレーニングは、スケジュールによってトリガーできます。 データ サイエンティストが最適化を行います。 改善されたモデルは、コンテナー レジストリの更新としてデプロイおよびコンテナー化されます。

コンポーネント

このアーキテクチャの実装に使用される主要テクノロジ:

  • Azure Machine Learning:予測分析ソリューションを構築、デプロイ、管理します。
  • Azure Data Factory: Azure Data Factory にデータを取り込みます。
  • Azure Data Lake Storage: Azure Data Factory を使用して Azure Data Lake Storage Gen2 にデータを読み込みます。
  • [コンテナー レジストリ]:あらゆる種類の Azure デプロイ間でコンテナー イメージを格納して管理します。
  • Azure Kubernetes Service (AKS):Kubernetes のデプロイ、管理、操作を簡略化する。
  • Azure Storage: 耐久性があり、可用性が高く、極めてスケーラブルなクラウド ストレージ。
  • Azure Stack Hub: クラウドの境界を越えて革新的なハイブリッド アプリケーションを構築して実行します。
  • Azure Functions: コンピューティング サーバーを維持せずにオンデマンド タスクを実行するイベント ドリブン型のサーバーレス コンピューティング ユニット。
  • Azure App Service: モデルの最適化を有効にするためにエンド ユーザー フィードバック データをキャプチャするパス。

シナリオの詳細

Azure AI ツール、エッジ、クラウド プラットフォームを使用すると、エッジ インテリジェンスが可能になります。 データが存在する場所で、次世代の AI 対応ハイブリッド アプリケーションを実行できます。 Azure Stack Hub により、トレーニング済みの AI モデルをエッジに導入し、アプリケーションと統合して低遅延インテリジェンスを実現し、調整済みの AI モデルに継続的なフィードバックを行って精度を向上できます。ローカル アプリケーションに合わせてツールやプロセスを変更する必要はありません。 このソリューションのアイデアが示しているのは接続された Stack Hub のシナリオであり、エッジ アプリケーションは Azure に接続されています。 エッジが切断されている場合のシナリオについては、 エッジでの AI - 接続なしに関する記事をご覧ください。

考えられるユース ケース

ほぼリアルタイムで情報を監視および提供するさまざまな Edge AI アプリケーションがあります。 Edge AI が役立つ領域には以下が含まれます。

  • セキュリティ カメラの検出プロセス。
  • 画像と動画の解析 (メディアおよびエンターテインメント業界)。
  • 運送と交通情報 (自動車および乗り物業界)。
  • 製造。
  • エネルギー (スマート グリッド)。

次のステップ

注目の Azure サービスの詳細については、次の記事とサンプルを参照してください。

次の関連するアーキテクチャを参照してください。