《边缘的智能工作负载：使用 AWS IoT Greengrass 通过数据和机器学习交付网络物理成果（Intelligent Workloads at the Edge: Deliver cyber-physical outcomes with data and machine learning using AWS IoT Greengrass）》

本书探索物联网、数据分析和机器学习，使用 AWS 物联网绿草和亚马逊 SageMaker 等托管服务的最新功能解决网络物理问题

本书的主要特点

• 借助 AWS 物联网绿草的强大功能，加速您的下一个以边缘为中心的产品开发
• 熟练掌握利用经过验证的最佳实践为边缘构建弹性解决方案的能力
• 利用分析和机器学习的力量来解决网络物理问题

书籍描述

物联网 （IoT） 改变了人们对世界的看法以及与世界互动的方式。无处不在的传感器部署使我们能够以任何精度水平研究世界，并在任何地方实现数据驱动的决策。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大量数据的能力。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 ML 技术，以提供下一代网络物理结果。首先，您将了解如何使用 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，您将学习如何处理物联网数据并将其从边缘流式传输到云，并使用它来训练使用 Amazon SageMaker 的 ML 模型。本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。

在本 IoT 本书结束时，你将能够确定自己的 IoT 工作负载的范围，将 ML 的强大功能带到边缘，并在生产环境中操作这些工作负载。

你将学到什么

• 构建从边缘到云的端到端 IoT 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 ML 在边缘处理数据
• 使用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队列
• 根据行业最佳实践审查基于边缘的工作负载

这本书是为谁而写的

本书面向负责向边缘交付分析和机器学习支持的软件解决方案的 IoT 架构师和软件工程师。想要学习和构建 IoT 解决方案的 AWS 客户会发现本书非常有用。在 Linux 上运行 Python 软件的中级经验是充分利用本书所必需的。

目录

1. 通过机器学习了解数据驱动型边缘
2. 边缘工作负载的基础
3. 构建边缘
4. 将云扩展到边缘
5. 从边缘引入和流式传输数据
6. 在云上处理和使用数据
7. 边缘的机器学习工作负载
8. 面向边缘的开发运营和 MLOps
9. 大规模车队管理
10. 使用 AWS 架构完善的框架查看解决方案