新闻中心 NEWS

当前位置:主页 > 创新研发 >
机器学习在物联网中有何使用?和数据分析的差异又是什么?尊龙用
来源:http://www.xyzsclpf.com 责任编辑:尊龙d88 更新日期:2018-09-14 15:25
机器学习在物联网中有何使用?和数据分析的差异又是什么? 机器学习(ML)和物联网(IoT)现在都十分盛行。关于机器学习和物联网有很多的重视和炒作,咱们可能很难穿过噪音去了解它的实践价值。 数据剖析vs.机器学习 关于机器学习的炒作越来越多,许多安排

  机器学习在物联网中有何使用?和数据分析的差异又是什么?

  机器学习(ML)和物联网(IoT)现在都十分盛行。关于机器学习和物联网有很多的重视和炒作,咱们可能很难穿过噪音去了解它的实践价值。

  数据剖析vs.机器学习

  关于机器学习的炒作越来越多,许多安排都会期望在他们的事务中多少运用一些机器学习。但是绝大多数时分都不能如此。

  后边我将更深化地讨论机器学习的价值,但首要我要说,机器学习需求很多数据。这可能意味着改善流程、降低本钱、为客户发明更好的体会,或许拓荒新的商业模式。

  事实是,大多数安排能够从传统的数据剖析中取得许多优点,而不需求更杂乱的机器学习的办法。

  传统的数据剖析在解说数据这方面做得很棒。你能够按照曩昔发作的工作或今日发作的情况生成陈述或模型,汲取有用的见地来运用于安排之中。

  数据剖析能够协助量化和盯梢方针,完结更智能的决议计划,然后跟着时刻的推移供给衡量成功的手法。

  那么机器学习在什么时分有价值?

  典型的传统数据剖析的数据模型一般是静态的,它在处理快速改变和非结构化的数据方面的运用是有局限性的。当涉及到物联网时,一般需求断定几十个传感器输入和敏捷发作数百万个数据点的外部要素之间的相关性。

  传统的数据剖析需求根据曩昔数据和专家定见的模型来树立变量之间的联系,而机器学习是从成果变量(例如节能)动身,然后自动寻觅猜测变量及其相互作用。

  一般来说,当你知道你想要什么,但却并不知道做出该决议计划所需求的重要的输入变量的时分,机器学习是有价值的。所以你给了机器学习算法一个方针,然后它会从数据中“学习”到哪些要素关于完结这一方针很重要。

  Google上一年在其数据中心运用机器学习就是一个很好的比如。数据中心需求坚持低温,因而它们需求很多的动力来让冷却系统正常作业(或许你能够直接将它们扣入海洋中)。这关于Google来说是巨大的本钱,所以方针是经过机器学习来进步功率。

  由于有一百二十个变量影响着冷却系统(电扇、水泵转速、窗等),运用传统的办法来缔造模型将是一个十分艰巨的使命。而Google运用机器学习,将全体动力消耗降低了百分之十五。这将为Google在未来几年节约数亿美元。

  此外,机器学习关于精确猜测未来工作而言也很有价值。鉴于运用传统数据剖析所构建的数据模型是静态的,跟着越来越多的数据被捕获和吸收,机器学习算法会跟着时刻的推移而不断改善。这意味着机器学习算法能够做出一些猜测,将实践发作的情况与其猜测的情况进行比较,然后进行调整,然后变得愈加精确。

  经过机器学习完结的猜测剖析关于许多物联网运用来说都是十分有价值的。咱们来看几个详细的比如。

  物联网中的运用

  工业运用的本钱节约

  猜测的才能在工业环境中十分有用。经过从机器内部或表面上的多个传感器制作数据,机器学习算法能够“学习”机器的典型特征,然后检测反常情况。

  一个名叫Augury的公司做的正是这个工作,它在设备上安装了振荡和超声波传感器:

  “搜集的数据被发送到咱们的服务器中,在那里与从该机器搜集到的本来的数据以及从相似机器搜集到的数据进行比较。咱们的渠道能够检测到最细小的改变,并在毛病发作时宣布正告。这个剖析是实时完结的,其成果会在几秒钟内显现在技术人员的智能手机上。”

  猜测机器何时需求保护是十分有价值的,它将节约数百万美元的本钱。Goldcorp就是一个很好的比如,它是一家采矿公司,运用巨大的车辆来运送资料。

  当这些运送车辆呈现毛病时,将导致Goldcorp每天丢失200万美元。918博天堂,Goldcorp正在运用机器学习猜测机器需求保护的时刻,精确度超越百分之九十,这节约了巨大的本钱。

  刻画个人体会

  其实咱们都了解咱们日常日子中的机器学习。Amazon和Netflix都在运用机器学习来了解咱们的偏好,并为用户供给更好的体会。这可能意味着它会向你引荐你可能喜欢的产品或引荐一些相关的电影和电视节目。

  相同的,在物联网的机器学习中,它能将咱们的环境刻画成咱们个人所喜欢的这一事实将十分有价值。Nest Thermostat是一个很好的比如,它运用机器学习来了解你对冷热度的偏好,保证当你下班回家或在早晨醒来时,房间的温度是适宜的。

  更多

  上面所述的几个比如仅仅无限的可能性中的一小部分,尊龙用现金娱乐一下下载,但它们很重要,由于它们是现在正在运转的物联网中的机器学习的有用的运用程序。

  但总的来说…

  咱们只抓到了皮裘

  未来几年将持续连接到互联网的数十亿个传感器和设备将生成指数级的更多的数据。正如我在上一篇文章中讨论过的那样,数据的巨大增加将带来机器学习的巨大进步,并为咱们带来很多取得收益的时机。

  咱们不只能够猜测机器需求保护的时刻,还能够猜测需求保护咱们自己的时刻。机器学习将运用于咱们的可穿戴设备,以了解咱们的根底情况,并在保持咱们身体的重要器官呈现反常时作出判别,必要时,会自动打电话给医师或救护车。

  除了个别之外,咱们还能够运用这个健康数据来检查整个人群的身体情况的全体趋势,猜测疾病的迸发并自动处理健康问题。

  咱们还能够在事端发作之前猜测事端和犯罪行为。来自智能城市的噪音传感器、摄像机、乃至智能垃圾箱的数据都能够传送到机器学习算法中,以发现事端或犯罪行为发作的预兆,为法律部分供给强有力的东西(当然这将涉及到一些隐私问题)。

  虽然机器学习和物联网都处于炒作的高潮,但未来的运用和可能性值得这样的炒作。咱们真的只抓到了一切可能性的皮裘。

 
上一篇:概念到真枪实弹 我国公有云暗潮涌动
下一篇:泊车APP:别让科技给泊车“添堵” 返回>>