Nesnelerin İnterneti ve Makine Öğrenimi IoT and Machine Learning

Bu makalemiz içerisinde sizlerle IoT ve Machine Learning ilişkisinden bahsediyor olacağım.  Öncelikle biraz araştırmalar ve rakamların diline IoT özelinde tercümanlık edelim.

IDC kuruluşu derki 2020 yılı itibari ile IoT pazarı 1.7 Trilyon Dolarlık bir Pazar hacmine sahip olacak, 30 Milyar civarında nesne bu pazarın en yetenekli üyeleri olacaktır. Bu yetenekli nesneler, arabalar, buzdolapları ve benzeri son kullanıcı cihazlarıdır.

Moor İnsight and & Strategy IoT pazarındaki gelirin 500 milyar dolarlık paylar halinde 3 segmente ayrılarak incelenmesi gerektiğini inanıyor.

Gerçek hayatta konuşulan rakamlar ve kullanım oranları hızlı ve korkutucu bir şekilde ivmelenmeye sahip durumda. 1/3 ‘lük kısmını amaç yapılı platformlar, depolama, ağ ürünleri, ancak bu 1/3 lük pazardan 5G endüstrisi henüz hariç tutulmuş durumda, işte ürkütücü ve henüz tam olarak ölçeklendirilemeyen başlangıç konusuda bu kapsamdadır. 2/3 ‘lük kısmını güvenlik ürünleri ve güvenlik endüstrisi şapkası altında yer alan üretici ürünleri almaktadır. Son kısım ise yazılım geliştirme  ve yazılım tabanlı özelleştirme platformları yer almaktadır.

Genel olarak endüstri içerisinde bilinen General elektrik, Philips, Ford Motor, Rio tinto, Dell, AT&T, IBM , Verizon, Intel gibi önde gelen bir çok kuruluş bu pazardan, ortalamalarda, %1.7 oranda istifade edeceğine inanıyor.

Bu kadar Kanlı ve canlı bir pazardan, bu denli büyük firmaların yer aldığı alandan alınacak paylar ne kadar ufak miktarlar olarak görünsede, henüz Pazar ölçeği yeterince ivmelenme ve ölçüm analizi sınıfları tanımlanmadığı için ciddi oranlara denk gelen rakamlardan konuşuyoruz.

Sektörel tartışmaların çok büyük çoğunluğu uç nokta aygıtlar üzerinde şekilleniyor ve gerçekleştiriliyor.

Genel durumda iki geniş sınıf tanımlanıyor, Ağırlıklı olarak veri toplayacak sensörler ve iş yapacak kapasiteye sahip olan kinetic cihazlar alarmlar, valf ve aktüatörler gibi.

Pazar araştırmaları derki; 2020 yılına gelindiğinde çok yüksek miktarlarda ve hızlarda sahada ki uç cihazlardan veri üretilecektir.

Uç cihazlar, ağ geçitleri, sensörler, aktütatörler , valfler vb. cihazlar arasında km’lerce uzunluğunda veri iletilen köprüler ve bağlar ortaya çıkacaktır. İşte bu tipteki bir yapı içerisinde bi takım ön görüler ve çıktılara istinaden aksiyon alınması gerekecektir. Bu neticede davranışsal kararlar ve ön görüler ortaya çıkmalıdır.

İşte bu noktada iş zekası ve iş otomasyonu için Makine Öğrenimi devreye girecektir. (Machine Learning)

Peki Makine öğrenimi IoT için ne ifade eder, bir makinenin , IoT çözümleri için gerekli bilgi veya gözlemlere dayalı bir durumun, davranışsal sonucunu değiştirmeye yönelik karar verme safhasını destekleyen öğrenim metodudur.

Makine öğreniminde bilgi ve veriler, yerel olmak zorunda değildir, dış kaynaklardan gelen öğrenilmiş ve sınıflandırılmamış niteliksiz verilerde olabilir, Burda öğrenim metodu ve öğrenim birim elemanlarını ele almak gereklidir.

Başka bir deyişle, belirli bir yerde elde edilmiş bilgi ihraç edilebilir ve kullanılabilir. Bir veri sınıfını eğitirsen hepsini eğitirsin ve bunu süreklilik arz eden bir yapı halinde yenileyerek tehditleri önlemek amacı ile kullanabilirsin.

İki farklı bilgi formu vardır. Yerel öğrenmeye yönelik davranışı değiştirecek, gözlemlenen bilgi, Başka bir yerde merkezi otorite tarafından üretilen bilginin kenar davranışını değiştirmek için kullanılan yönlendirilmiş bilgidir.

Bu kavramlar tamamında, kenar davranışlar değiştirildiğinde makine öğrenimi “ML” küresel eğilimler gözlemlenen  makine öğrenimini ve kontrolünü sağlayan politiklar olarak görebilirsiniz. “ML” öğrenilmiş kaynakları değiştirme ve yönlendirme yönünde güçlü bir öğrenim mekanizmasına sahiptir.

2020 yılına kadar makine öğrenimi ve makine öğrenmesi düzenlenmesinin çok sayıda çözümde var olacağı ve IoT dünyasındaki yeniliklerin büyük bir kısmına yön verileceği ve bu yeniliklerin yönlendirilmesi konusunda çok büyük bir rolü olacağına inanılıyor.

Makine öğrenimi konusunda IBM ve Google firmaları açık kaynak kodlu “Tensor Flow” programı ile “ML” kütüphanesinden istifade ederek, IBM Watson uygulaması ile IoT konusunda “ML” metodu ile çığır açacağı benziyor.

Makine Öğrenimi sayesinde, bir çok konu simule edilerek tahminleme ve örnekleme metodu ile fark yaratılabilir.

Makine Öğrenimi ile hava durumu tahminleme, kullanılan cihazların bakım zamanlarını ve kullanım ömürlerini tahminleme, kullanılan ekipmanların içsel etkileşim ve etkileşim sürelerinin tahminlenmesi gibi yüzlerce ihtiyaç duyulan bilgi teknolojileri destekleyici yeteneğe sahiptir.

Makalemiz içerisinde IoT ve ML etkileşimi ile elde edilebilecekler, aralarındaki ilişki temel dayanakları ile incelemeye alınmıştır.

Keyifli okumalar.