¿Cuál es la diferencia entre machine learning y IOT?

Gracias por A2A.

Sorce: IoT y machine learning – conferencia de inteligencia computacional

“La idea de una máquina inteligente de aprendizaje independiente ha fascinado a los humanos durante décadas .:”

La filosofía detrás del aprendizaje automático es automatizar la creación de modelos analíticos para permitir que los algoritmos aprendan continuamente con la ayuda de los datos disponibles.

Aprendizaje automático más IoT

Lo que creo es que el aprendizaje automático y el IoT son paralelos.

El aprendizaje automático ha experimentado un aumento en la popularidad entre las empresas industriales gracias a la exageración que rodea Internet of Things (IoT). Muchas empresas ya están designando IoT como un área estratégicamente significativa, mientras que otras han lanzado proyectos piloto para mapear el potencial de IoT en las operaciones comerciales.

Como resultado, casi todos los proveedores de TI anuncian repentinamente plataformas IoT y servicios de consultoría.

Además, no muchos proveedores pueden establecer, en términos concretos, al cliente cómo crear de manera prudente un impacto positivo en las operaciones comerciales con soluciones IoT. Simplemente la promesa de una plataforma IoT basada en la nube no es suficiente.

Los sensores conectados a las redes IoT y los datos generados a partir de los sensores deben analizarse. Aquí es donde el aprendizaje automático aparece para analizar esos datos, dividir los datos en información útil y predecir que el sistema creado es eficiente o no. De esta manera ambas tecnologías crecen paralelas.

En el sistema de aprendizaje automático, aprende de los errores o los eventos ocurridos en el pasado y trata de evolucionar para desempeñarse mejor. ML es un subconjunto de Inteligencia Artificial. Por ejemplo, para lo mismo se puede ver en Facebook. En Facebook, si ha etiquetado a algunos de sus amigos en fotos anteriores y, de nuevo, si va a publicar una nueva foto de su amigo, entonces sugiere que le gustaría etiquetar a ese amigo nuevamente, a partir de la experiencia previa que había aprendido. que la persona con estas características y que es amiga tuya es el chico o chica “XYZ”

Por otro lado, en Internet de las cosas, hay varios sensores presentes a nuestro alrededor y cada uno de ellos tiene algunos datos que fluyen a través de ellos, y los mismos datos se comparten en Internet. Entonces, en IoT, los datos que fluyen se almacenan en un lugar y se procesa lo mismo, y si alguien necesita esos datos, con la ayuda de análisis, IoT comparte los datos con la persona para ayudarlo. IoT es totalmente seguro ya que la persona que necesita datos se verifica correctamente antes de que se comparta con la persona. Por ejemplo, suponga que tiene hambre y quiere comer algo de comida italiana, por lo que buscará (Google, / Bing) un restaurante de comida italiana a mi alrededor y el resultado mostrará el nombre de algunos restaurantes a su alrededor con sus respectivas calificaciones, horarios, costo aproximado etc. en el que el tiempo y la calificación se han tomado del sitio web de los restaurantes, la calificación de diferentes sitios web como fb, zomato, etc. y el costo aproximado se toma de nuevo zomato o de cualquier otro sitio web con las mismas menciones. Todos los datos mezclados de diferentes sitios web se almacenan juntos y, según su búsqueda y ubicación, el mismo se ha analizado y se le presenta, así es como funciona. Los ejemplos proporcionados aquí son simplemente simples, el mismo se está utilizando de manera amplia y escala tanto

( Espero que las respuestas estén bien justificadas , vote por la apreciación 😉 )

A continuación se mencionan algunos enlaces de Research Paper y Videos para entenderlo de una manera mejor y más rápida.

IoT

Imagen cortesía de Google

Documento: – https://pdfs.semanticscholar.org

Vídeo:-

ML

Vídeo:-

Cortesía de video – YouTube

Gracias por A2A: –

Aprendizaje automático:

El aprendizaje automático es un campo de la informática que le da al sistema informático la capacidad de “aprender” con datos, sin ser programado explícitamente.

La filosofía detrás del aprendizaje automático es automatizar la creación de modelos analíticos para permitir que los algoritmos aprendan continuamente con la ayuda de los datos disponibles.

El aprendizaje automático se puede supervisar (cuando se conoce el resultado deseado), sin supervisión (cuando se desconocen los datos) y el aprendizaje de refuerzo (el aprendizaje es el resultado de la interacción entre un modelo y el entorno).

IoT (Internet de las cosas): –

Internet de las cosas (IoT) se refiere a la conexión de objetos a través de Internet. Esta conexión se establece a través de sensores IoT con algún procesamiento local para habilitar capacidades inteligentes. Esto significa que Internet ya se ha transformado de ser una red donde los humanos comparten datos y se conectan, a Cosas que hacen lo mismo, con o sin la necesidad de intervención y monitoreo humanos.

Principales usos del aprendizaje automático en IoT: –

  • Agrupación de datos: – Clasificación binaria (positiva o negativa), Regresión logística (resultado discreto), Medios K para agrupar los datos son algunos Algoritmos populares de Agrupación en Aprendizaje automático. Una aplicación podría ser el análisis de acelerómetro, giroscopio y otros datos de la Unidad de medición inercial (IMU) para identificar comportamientos como caminar, pararse, correr o sentarse en dispositivos IOT.
  • Detección de anomalías: un tercer caso de uso que es muy aplicable para IoT es la detección de anomalías, es decir, la identificación de valores atípicos en un conjunto de datos. Por ejemplo, si su sensor de temperatura en sí mismo falla y comienza a emitir una salida de 10 grados Celsius al sol en un desierto en verano, definitivamente querrá detectar dicha anomalía.
  • Predicción de las tendencias de los datos: – Los algoritmos de Machine Learning de última generación utilizados para la predicción en el caso de los sensores IoT, es decir, los datos dependientes del tiempo incluyen redes neuronales recurrentes (RNN) y redes de memoria a corto y largo plazo (LSTM).

En general, los dispositivos IoT utilizados para almacenar los datos en la nube y Machine Learning se aplicaron a esos datos para predecir el resultado exacto.

Fuentes:

Aprendizaje automático e Internet de las cosas – Bolt IoT

Aplicación de aprendizaje automático a datos de IoT

Espero que esta respuesta te ayude.

Esas son dos cosas completamente diferentes.

Internet de las cosas es un concepto en el que todas las máquinas son “inteligentes” y están conectadas entre sí. Las puertas de su garaje detectan que está llegando a casa y se abren cuando ingresa al camino de entrada, la oficina de su máquina de café se queda sin café y lo alerta, puede controlar sus luces LED con una aplicación móvil, cosas así.

El aprendizaje automático se refiere a algoritmos informáticos que resuelven problemas al experimentarlos muchas veces y descubrir cómo resolverlos. Al igual que el reconocimiento facial, descubrir la mejor manera de colocar paquetes en cajas, etc.

La diferencia básica entre un humano y una máquina es “Aprender de la experiencia pasada”. El aprendizaje automático básicamente implica entrenar a una máquina para que se comporte como humanos, tome decisiones sin ningún apoyo humano o aprenda de sus experiencias pasadas y la capacidad de pensar.

Mientras que Internet de las cosas básicamente implica interconectar varias cosas (dispositivos) a través de Internet, de modo que puede haber interacción máquina a máquina y también podemos acceder a ellas desde cualquier lugar y fácilmente.

Espero que esto responda tu consulta.

More Interesting

¿Quién inventó las redes neuronales de convolución?

¿Cuál es el mejor clasificador que puedo usar en 'Reconocimiento facial en tiempo real' después de extraer funciones usando 'Alexnet'?

¿Cuál es el mejor software para Machine Learning y Deep Learning, de acuerdo con el tamaño del conjunto de datos y el sistema?

¿Cuál es la diferencia entre el paralelismo del modelo y el paralelismo de datos?

¿Cómo puede alguien usar los datos de la secuencia de genes para encontrar genes responsables de una enfermedad genética en particular?

¿Cuál es la principal diferencia entre el aprendizaje profundo y los viejos enfoques de aprendizaje?

¿Cómo implemento un análisis de sentimiento a nivel de documento?

¿Cuál es el entorno libre de distribución en la teoría del aprendizaje estadístico?

¿Cuál es una buena manera de entender la maldición de la alta dimensión en el aprendizaje automático?

¿Cuáles son los parámetros del procesamiento del lenguaje natural?

¿Cómo se puede diseñar la topología de una red neuronal artificial con una capa oculta para lograr efectivamente la reducción de la dimensionalidad?

ANNs: ¿Cómo usan las redes convolucionales el 'compartir peso'?

¿Qué paradigma / algoritmo de aprendizaje automático puedo usar para seleccionar de un grupo de posibles opciones?

¿Cuáles son los problemas de investigación 'hardcore' en visión artificial, aprendizaje automático y arquitectura informática?

¿Cuáles son los mejores materiales de física estadística para redes neuronales profundas?