3在物联网项目中使用的机器学习最佳实践

1.设计机器学习系统以解决问题

三个层面弥补机器学习：产品管理，技术架构和实施细节。

在产品管理层面，开发团队必须决定他们必须解决哪个问题，以及哪个物联网系统将解决这个问题。这个基础级别需要对什么是技术上可能的以及满足需求和限制的广泛理解，比如时间、金钱、专家和技能集。

技术体系结构由不同的组件和组件之间的接口规范组成，这些组件必须满足约束内的需求。

实施细节涉及开发团队了解机器学习系统中的每个组件应该如何做出设计决策。

机器学习项目共享公共组件，如固件开发、硬件工程和数据管道。机器学习的一个主要组成部分是来自外部的数据流。开发人员必须设计一个接口，并确定后端何时将数据传递给机器学习管道。管道还可以将数据写回前端访问位置。

最终实现最终建立正确的事情的最佳方式是，尽早掌握在用户手中。然后，该反馈可用于通知正在进行的发展。

或者，数据可以驻留在后端，并且仅处理数据进入机器学习管道。开发人员必须有强烈了解谁使用数据以及从加工数据中取出的决策或行动。

满足每个级别的挑战是许多敏捷软件开发最佳实践的动力推动，现在可以提供机器学习开发。

“任何开发过新产品的人都可以告诉你，它根本不像(你最初设想的那样)工作。你没有预先得到你需要的所有信息。

技术挑战会出现开发团队在最初的计划和设计中无法预测的情况。开发团队必须通过反馈机制寻找信息，例如用户如何实际使用产品和数据，从而在整个开发过程中改进他们的产品。

3.创建用户反馈和测试机制

找出产品是否满足其目的的唯一方法是使用它。团队可以将每个组件视为自己的产品，为系统提供某些产品，然后确定组件是否通过完整的产品组件工作。团队实施而不是开发每个部分的每个部分用户反馈机制要得出他们的产品或组成部分正确的事情。

“最终制作出正确产品的最佳方式是，尽早将产品交到用户手中。然后，这些反馈可以用于指导持续的开发。”

开发团队必须在整个开发过程中回答两个问题，每个组件和水平：“我在做正确的事吗？”“它正常工作吗？”这些问题确保产品最终实现了目标。

定期测试还可确保产品的可行性。将组件连接到测试功能的功能意味着团队必须提前为每个组件做出非常简单的选择。测试可能包括实现未完成的组件，但执行此操作仍然提供价值并告知团队如果接口不起作用。

3.建立一支能有效合作的专家团队

物联网机器学习需要一个团队具有许多不同的技能包括软件开发人员、用户体验专家、移动应用程序开发人员、产品经理、物联网专家和技术负责人。

对于基于物联网的机器学习，团队需要在固件和硬件方面的物联网专家。拥有不同开发风格和背景的人，通常拥有不同的知识库，必须一起构建机器学习产品。

合适的技术主管，有时也被称为AI产品经理，是成功项目中最重要的方面之一，因为这个人必须理解并能够翻译每个开发人员的需求。该经理必须让团队有效地一起工作，并定期沟通任何技术折衷和需求。

每个参与机器学习项目的人都应该在高层次上了解产品、最终用户、产品支持的预期工作流程和技术架构。专家仅仅了解他们各自的组件以及它如何与其他项目组件接口是不够的。甘布尔说，他们需要对项目有一个全面的了解，以便做出正确的技术选择和反馈。

定期讨论技术设计和产品要求可以相互告知，从而降低成本，提高效率和更好的技术设置。对等编程是软件工程中的一种常见实践，它还可以增加团队对每个组件和整个系统的理解。

基于IOT的机器学习呼吁进行其他注意事项

如果只使用机器学习，在使用真实数据之前，团队可能无法知道他们的系统是否有效或是否满足一定的精度。就物联网而言，工程师无法改变物联网设备一旦生产出来，就像他们可以编辑软件一样。开发团队必须确信系统的物联网组件将符合他们的需求。

物联网机器学习要求开发人员为多个硬件目标编写代码。Gamble表示，即使开发者知道如何组装这些组件，他们也应该完成硬件组件级的本地数字测试。

在第一次生产运行期间的终端测试功能可以确保产品的成功。开发人员和硬件工程师必须了解物联网设备之间的数据流、设备收集的信息以及设备之间的交互。

开发人员通常必须模拟数据，以构建数据管道原型，并测试物联网设备和机器学习组件。为了得到最准确的结果，数据模拟应该在尽可能接近数据源的地方进行。

如果开发人员模拟固件，他们就可以将数据发送到云并存储在最终产品的存储硬件中。在最终用户数据可用之前，这一过程为整个机器学习系统提供了更准确的图像。一次尽可能接近最终产品的模拟验证了该系统在现场和最终用户手中能够正常工作。