AWS IoT Greengrass ML 推論
AWS IoT Greengrass を使用すれば、クラウドで構築、トレーニング、最適化したモデルを使って、機械学習推論を簡単にデバイスでローカルに実行できます。また、Amazon SageMaker でトレーニングされた機械学習モデルを使用したり、Simple Storage Service (Amazon S3) に保存されている、事前にトレーニングされた自分のモデルを持ち込めたりと、柔軟性も高まります。
機械学習では、既存のデータから学習された統計的なアルゴリズムを用いた「トレーニング」というプロセスを使って、新しいデータについての決定が下されます。このプロセスを「推論」と呼びます。トレーニング中に、データ内のパターンと関係が特定され、モデルが構築されます。このモデルにより、それまでに遭遇したことのないデータについて知的な決定をシステムが下すことが可能になります。モデルの最適化では、すばやく実行できるようモデルのサイズが圧縮されます。機械学習モデルのトレーニングと最適化は大量のコンピュータリソースを必要とするため、クラウド上の実行に適しています。一方、推論は必要な処理能力がはるかに少なくて済むとともに、新しいデータが来るたびにリアルタイムで頻繁に行われます。したがって、IoT アプリケーションがローカルイベントにすばやく応答できるようにするためには、推論結果を非常に低いレイテンシーで取得することが重要になります。
AWS IoT Greengrass は、クラウドとローカルの両方の利点を最大限に活用できます。クラウドで構築、トレーニング、最適化した機械学習モデルを使用して、推論をデバイスでローカルに実行できます。たとえば、シーン検出分析のための予測モデルを SageMaker で構築し、カメラで実行するように最適化し、デプロイして、不審なアクティビティを検出したときにはアラートを送信できます。AWS IoT Greengrass で実行されている推論から集められたデータを SageMaker に送り返すと、データがタグ付けされ、機械学習モデルの継続的な品質向上の支援につながります。
利点
柔軟
数回クリックするだけで、接続されたデバイスにモデルをデプロイ
推論パフォーマンスを高速化
推論実行できるデバイスが拡大
接続デバイスで推論実行が簡単に
より高精度のモデルを構築
仕組み

ユースケース
産業用予測メンテナンス
精密農業
セキュリティ
小売業および接客業
動画処理
主なお客様

ヤンマーでは、AWS IoT Greengrass によって、野菜の主要成長段階を自動的に検出、認識することで収穫高を増やし、温室運営のインテリジェンスを高めています。

Electronic Caregiver では、AWS IoT Greengrass ML 推論により高品質の介護を確かなものにしています。機械学習モデルを直接エッジデバイスにプッシュして、患者の安全を維持しています。

Vantage Power では、AWS IoT Greengrass により、個々の車両に機械学習モデルをプッシュして、バッテリーの不良を 1 か月前に検知しています。
注目のパートナー


AWS IoT Greengrass の特徴の詳細