0
(0)

在宅勤務のある日、ヤマト便で大きな箱が届きました。中を開けると・・・

感想

Google から TensorFlow ( エンドツーエンドのオープンソース機械学習プラットフォーム ) バッグとマグカップが届きました。IoT フルスタック エンジニア冥利につきますね。(IoT に ML と AI はセット道具故に)

仕事内容については別の機会にお伝えしますが、最近はエッジ注力。
インターネットを使用するエッジではなくセルラー網に直収し、閉域網で Azure Sphere (IoT) や AWS IoT へ接続する案件創出へ。通信速度が高速であることよりもエッジとクラウド間を低レイテンシ環境にするほうが実は意味があります。(キャリア閉域することにより、NICT NOTICE のような擬似を含めたインターネット攻撃はありません。前提として LAN 側やクラウド側で適切なサブネット設計が行われていること)

低レイテンシを実現できなければ、いくら通信速度が高速でもクラウド上での分析エンジン性能を最大限に生かすことは困難だろうと考えます。そこで使用するプロトコルも。ITSS Lv.4 以上の方が関わる案件であればプロトコルのアルゴリズムや処理実装まで言及する設計が伴うのが一般的です。
→ REST が使いやすい、MQ (MQTT) は実装が簡単という提供側の都合では折角の低レイテンシも無駄になります。プロトコル選定は確かに実装スピードに影響するのは当然ですが、適切な PoC を経ていればオーバーヘッドを減らす工夫は「アルゴリズム」に行き着くことが多いと経験学習済みです。

さて、今回 MLStudyJam で学習したのは ML と AI モデルと結果抽出方法。
仕事としては TF案件も GCI 閉域網ごと増やしたいと思います。
基本的に餅は餅屋的マルチクラウド派なので、Azure と ExpressRoute も対応。AWS と AWSDX も。

ご覧いただき有難うございました。

以上

How useful was this post?

Click on a star to rate it!

Average rating 0 / 5. Vote count: 0

No votes so far! Be the first to rate this post.

投稿者 斉藤之雄 (Yukio Saito)

Global Information and Communication Technology OTAKU / Sports volunteer / Social Services / Master of Technology in Innovation for Design and Engineering, AIIT / BA, Social Welfare, NFU / twitter@yukio_saitoh