Publicamos grabación de Webinar en inglés que tuvo lugar el pasado 24/5/2018 en el que se hace una demo práctica en la que se monta una aplicación Machine Learning en un acelerómetro para detectar si una persona anda o está parada.
El modelo Machine Learning se hace en Amazon SageMaker y la aplicac el acelerómetro con Tibco (Proyecto Flogo). El «Deep Learning» se realiza con Amazon TensorFlow.
La demo demuestra el grado de integración entre Amazon y Tibco y la inmensa cantidad de aplicaciones que puede tener la plataforma no sólo en el terreno del IoT sino en muchos otros.
En el webinar se hace una introducción a:
– Amazon SageMaker: Plataforma que permite a los desarrolladores y científicos de datos crear, entrenar e implementar modelos de aprendizaje automático a cualquier escala.
– Project Flogo: Creación de aplicaciones para IoT
Los ponentes son: David Arpin, Product Manager y Data Scientist, Amazon SageMaker y Matt Ellis, Product Management & OSS Advocate, TIBCO
Estos son los capítulos del vídeo:
Crecimiento de los Datos 01:20
Cambia el paradigma de arquitectura de las aplicaciones hacia los microservicios 3:34
Aplicaciones de Inteligencia Artificial 5:30
Es el Machine Learning siempre adecuado? 6:39
Hablamos de 2 tipos de modelos de Machine Learning: Supervised and Unsupervised 7:48
Amazon SageMaker 9:03
Componentes de la plataforma 9:21
Amazon Sagemaker Building 11:04
Amazon Sagemaker Training 11:52
Hosting 12:42
Algoritmos incorporados por Sagemaker 13:36
TensorFlow and Apache Mxnet Docker Containers 14:08
Optimización de Hiperparámetros 15:05
Adquirir datos, modelos de entrenamiento, mejora predictiva 15:51
Por qué ML «@ the Edge» 16:28
¿Qué es Project Flogo? 18:33
Desplieque de las aplicaciones Flogo 22:25
Lo que ocupa Flogo en el dispositivo 23:30
Edge ML Capabilities 24:50
Flogo: Native Streaming Constructs 25:59
Arquitectura moderna para aplicaciones y microservicios: Qué hace cada uno? 27:11
¿Cómo arrancar con Flogo- SageMaker? 28:29
Demo: saber qué hace una persona con un acelerómetro que lee cada milisegundo 29:29
Demo 2: Cómo se hace el modelo en Amazon SageMaker? 32:38
Demo 3: El desarrollo de la aplicación en Flogo 37:50
Conclusiones 41:47