Internet of Things vs Machine Learning

Internet of Things vs Machine Learning: che differenze ci sono? È giusto fare un confronto fra le due? In questo articolo ho il piacere di risponderti a tutto ciò.

Internet of Things e Machine Learning sono due branche dell'informatica veramente diverse tra loroL'IoT  è molto brevemente quell'insieme di tecnologie ma soprattutto tecniche, che permette di dare vita ad oggetti connessi ad Internet in grado di comunicare fra di loro senza intervento umano. Lo preciso per evitare confusione: proprio perché ci sono diversi confronti, a questo link puoi trovare il confronto con l'Intelligenza Artificiale mentre da quest'altra parte quello con la Blockchain.

Ma prima di cominciare, permettimi di presentarmi: sono Lorenzo Neri: chief education officer di Elettronica Open Source, mi occupo di realizzare contenuti educativi per aiutare persone come te a comprendere meglio questo mondo!

Ciò detto, facciamo chiarezza anche su che cosa è il Machine Learning.

Il nome, letteralmente in italiano, significa "apprendimento delle macchine": è una branca dell'informatica che si occupa di studiare e offrire soluzioni in grado di dare vita a dei sistemi che permettano ad un computer di imparare. Imparare come se fosse un bambino di fronte a un libro: senza essere "programmato" direttamente, è in grado di imparare tramite i dati e ripetendo determinati errori per arrivare ad una soluzione.

Se si potesse riassumere il concetto di "Machine Learning", il detto popolare "Sbagliando s'impara" sarebbe perfetto

Aggiungendo qualche dettaglio, l'apprendimento delle macchine, quindi il Machine Learning stesso, lo possiamo dividere in tre macro-categorie.

L'apprendimento supervisionato, NON supervisionato quando i dati sono sconosciuti e infine l'apprendimento con rinforzo o "rinforzato".

Tuttavia, esistono diversi usi del Machine Learning all'interno dell'IoT.

Clusterizzazione dei dati

Classificazioni differenti dei dati, siccome abbiamo visto più volte che nel mondo dell'IoT possiamo generare veramente tanti tanti dati, può tornare comodo in diversi contesti essere in grado di "clusterizzarli" e quindi fare analisi strutturata degli stessi.

Questo aspetto è molto legato all'analisi dati, quindi la Data Science come abbiamo visto in questo articolo, ma c'è dell'altro.

Rilevamento anomalie

Immagina di avere dei valori da parte di un sensore, che sono fuori scala e seguendo "la storia" dei dati a tua disposizione... Implicano un'anomalia, di solito. Questo sistema di riconoscimento degli outlier, quindi i dati con valori che non ti aspetteresti (per esempio 55 gradi in un frigorifero) potrebbero salvarti in diverse occasioni, come ho anche raccontato qui.

Vediamo l'ultima cosa che mette a braccetto IoT e Machine Learning.

Predizione di un trend dei dati

Abbiamo capito che Internet of Things vs Machine Learning ci porta ad avere utilità e obiettivi diversi come confronto, ma le predizioni per il futuro sono una delle cose per cui il Machine Learning stesso si rileva utile. Fra i vari algoritmi di Machine Learning, utilizzati per la previsione nel caso dei sensori IoT, abbiamo le reti neurali ricorrenti (RNN) e le reti LSTM (Long Short Term Memory).

 

 

 

Scarica subito una copia gratis

Scrivi un commento

Seguici anche sul tuo Social Network preferito!

Send this to a friend