23、物联网分析的数据科学与数据组织策略

物联网分析的数据科学与数据组织策略

一、在 AWS 上设置 TensorFlow

2015 年 11 月，谷歌发布了一个名为 TensorFlow 的深度学习开源软件平台。TensorFlow 具有灵活的架构，它能够将计算分布到多个 CPU 上，也可以使用图形处理单元（GPU）。GPU 拥有数千个计算核心，便于进行大规模并行处理，非常符合深度学习训练的需求。与 TensorFlow 交互最常见的方式是使用 Python 代码。

Python 的 keras 包可作为 TensorFlow 的接口层，让编程变得更简单。建议使用 keras 而不是直接对 TensorFlow 进行编程。那么，如何在 GPU 单元上轻松设置带有 keras 接口的 TensorFlow 以加速训练时间呢？幸运的是，AWS 提供了包含所有这些功能甚至更多功能的 AMI 实例。你可以轻松地将其启动到支持 GPU 的 EC2 实例上（确保先查看定价，因为 GPU 的需求很高）。这些被称为 AWS 深度学习 AMI，有关如何开始使用的信息可在 https://aws.amazon.com/amazon - ai/amis/ 找到。

二、数据组织策略以提升分析效率

（一）背景引入

假设你晋升到了原老板的职位，带领着一个小型数据科学家团队。老板注意到团队交付分析结果的速度没有提升，询问是否有办法加快迭代速度。你意识到大部分分析时间都花在了数据收集、清理和处理上，决定与数据库专家一起集思广益，寻找减少这部分时间的方法。