A.I. basierte Maschinenzustandsüberwachung (3/3)

Dies ist Teil 3 einer mehrteiligen Serie, welche beispielhaft zeigt, wie mit Hilfe von maschinellen Lernverfahren eine K.I. trainiert wird, die den Zustand einer Maschine in Echtzeit überwachen kann. Die Teile sind folgende: Problemstellung, Lösungsweg und Datenerhebung Training und Evaluation mit Tensorflow 2.0 Deployment und Anwendungsbeispiel mit Tensorflow Serving in Amazon ECS (dieser) Dabei wird ein Neuronales Netz mit Tensorflow 2.0 angelernt, als Tensorflow Serving gepackt und in Amazon Elastic Container Service (ECS) in der Cloud Deployed. Außerdem wird eine simple Beispielanwendung die Sensordaten an den Cloud Endpunkt übertragen und den Maschinenzustand visualisieren. […]

Deploy your Machine Learning Model as REST-API in Less than 1 hour with Scikit-Learn and Docker

While working on our research project CartoX², we had to deploy a Machine Learning model for prediction of the received signal strength with V-2-X communication ITS-G5 (German name: WLANp). We will use a very simple and easy to understand linear prediction model and serve an API via a Docker container. Up in running in less than 1 hour! […]

By |2018-12-11T16:54:37+00:0011/2017|Categories: Allgemein|Tags: , , , , , , |0 Comments