25、工业物联网中的高级分析与机器学习

工业物联网中的高级分析与机器学习

1. 远程工业物联网解决方案与可持续性

远程监控是工业物联网（IIoT）中易于实现的应用之一，其带来的好处显著超过了投入。同时，它还为向面向服务的架构设计发展带来了机遇，相关的应用和业务用例数量众多。

在明确了远程监控的优势后，我们会面临数据采集和构建解决方案架构的挑战。可持续性是一个关键要点，在未来几年将变得尤为重要。设计解决方案时，围绕价值驱动因素，特别是可持续性的约束和要求进行设计，将是为下一代构建解决方案的关键。这里有两个实际用例来阐述核心概念：
- 远程太阳能农场监控，还给出了该解决方案的AWS参考架构。
- 为碳捕获和存储工厂设计解决方案。

此外，还详细探讨了作为环境、社会和治理（ESG）以及可持续性一部分的节能主题。

2. 高级分析与机器学习概述

实时对数据进行推理以确定行动方案是非常强大的能力。推理是基于证据和推理得出结论的过程，在机器学习（ML）中，我们会关注如何根据先前或现有数据推断结果或条件。

需要说明的是，本文并非要让你成为数据科学家，而是展示如何与数据科学家合作，以便在所处环境中做出更明智的决策，并说明从数据消费到分析的端到端过程。

本章的重点是提供一个人为设计的ML示例，并基于收集的样本数据推导模型。主要涵盖以下几个主题：
- ML和工业物联网
- 数据工程
- 构建模型
- 实时推理

3. 技术要求

本章的技术要求与之前的实践技术章节类似。若要理解过程，只需具备基本的技术背景；若要跟随示例操作并重现场景，则需要额外的技术技能。熟悉AWS IoT C