Ponente: Matthew Ellis y David Arpin
Publicamos grabación de Webinar en inglés 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
