作品总结
《边缘的智能工作负载：使用 AWS IoT Greengrass 通过数据和机器学习提供网络物理结果》
《边缘的智能工作负载：使用 AWS IoT Greengrass 通过数据和机器学习提供网络物理结果》探索物联网、数据分析和机器学习，使用 AWS IoT Greengrass 和 Amazon SageMaker 等托管服务的最新功能解决网络物理问题
主要特点
借助 AWS IoT Greengrass 的强大功能加速您的下一个以边缘为中心的产品开发
通过经过验证的最佳实践，熟练地为边缘构建弹性解决方案
利用分析和机器学习的力量解决网络物理问题
书籍描述
物联网 (IoT) 改变了人们思考和与世界互动的方式。我们周围无处不在的传感器部署使得以任何准确度水平研究世界并在任何地方实现数据驱动的决策成为可能。由弹性云计算提供支持的数据分析和机器学习 (ML) 加速了我们理解和分析物联网生成的海量数据的能力。现在，边缘计算使信息技术更接近数据源，以降低延迟并降低成本。
本书将教您如何结合边缘计算、数据分析和机器学习技术来交付下一代网络物理结果。您将首先了解如何使用 AWS IoT Greengrass 创建在边缘设备上运行的软件应用程序。随着您的进步，您将学习如何处理 IoT 数据并将其从边缘传输到云端，并使用 Amazon SageMaker 使用它来训练 ML 模型。该书还向您展示了如何训练这些模型并在边缘运行它们以优化性能、节省成本和数据合规性。
在这本 IoT 书籍的最后，您将能够确定自己的 IoT 工作负载，将 ML 的力量带到边缘，并在生产环境中操作这些工作负载。
你会学到什么
构建从边缘到云端的端到端物联网解决方案
在边缘设计和部署多方面的智能解决方案
通过分析和机器学习在边缘处理数据
使用 Amazon SageMaker 为边缘打包和优化模型
实施 MLOps 和 DevOps 以运行基于边缘的解决方案
大规模载入和管理边缘设备群
根据行业最佳实践审查基于边缘的工作负载
这本书是给谁看的
本书面向负责向边缘提供分析和机器学习支持的软件解决方案的物联网架构师和软件工程师。想要学习和构建物联网解决方案的 AWS 客户会发现这本书很有用。要充分利用本书，需要具备在 Linux 上运行 Python 软件的中级经验。
目录
机器学习数据驱动边缘简介
边缘工作负载的基础
构建边缘
将云扩展到边缘
从边缘摄取和流式传输数据
在云端处理和使用数据
边缘的机器学习工作负载
边缘的 DevOps 和 MLOps
大规模车队管理
使用 AWS 架构完善的框架查看解决方案
客服咨询
400 093 7005
周一至周日：09:00AM-21:00PM
微信扫码关注
小程序扫码注册
0条评论