AWS IoT Greengrass ML 추론

AWS IoT Greengrass를 사용하면 클라우드에서 생성, 훈련 및 최적화된 모델을 통해 디바이스의 로컬에서 기계 학습 추론을 쉽게 실행할 수 있습니다. AWS IoT Greengrass는 Amazon SageMaker에서 훈련된 기계 학습 모델을 사용하거나 Amazon S3에 저장된 사전 학습된 모델을 가져오는 등 유연성이 뛰어납니다.

기계 학습에서는 기존 데이터로부터 학습할 수 있는 통계 알고리즘을 사용하여(훈련이라고 하는 프로세스) 새로운 데이터에 대한 의사 결정을 내립니다(추론이라고 하는 프로세스). 트레이닝 과정에서 모델 개발을 위한 데이터 패턴 및 관계가 발견됩니다. 이 모델을 사용하면 시스템에서 지금까지 다룬 적 없는 데이터에 대해 지능형 의사 결정을 내릴 수 있습니다. 모델을 최적화하면 모델 크기가 압축되어 실행 속도가 빨라집니다. 기계 학습 모델의 트레이닝 및 최적화는 대량의 컴퓨팅 리소스가 필요하므로 당연히 클라우드에 적합합니다. 하지만 일반적으로 추론에서는 컴퓨팅 파워를 훨씬 적게 사용하고 새로운 데이터가 제공될 때 실시간으로 수행될 때가 많습니다. 따라서 IoT 애플리케이션이 로컬 이벤트에 신속하게 대응할 수 있으려면 매우 짧은 대기 시간으로 추론 결과를 확보하는 것이 중요합니다.

AWS IoT Greengrass를 통해 두 가지 측면의 장점을 모두 누릴 수 있습니다. 클라우드에서 개발과 훈련을 거쳐 최적화된 기계 학습 모델을 사용하여 디바이스의 로컬에서 추론을 실행합니다. 예를 들어 장면 탐지 분석을 위한 SageMaker에서 예측 모델을 개발하여 카메라에서 실행하도록 최적화한 후 의심스러운 활동을 예측해 알림 메시지를 전송할 목적으로 배포할 수 있습니다. AWS IoT Greengrass에서 추론을 실행하여 수집된 데이터는 다시 SageMaker로 전송되고, 여기에서 태그 지정을 통해 기계 학습 모델의 품질을 계속해서 높이는 데 사용됩니다.