학습

사물에서 오는 데이터가 점점 더 많아지므로 그 데이터에 기술을 적용해 학습Learn해야 합니다. 학습 및 분석 계층에서 사용하는 제품에는 쿼리 기술과 지도Supervised 및 비지도Unsupervised 머신 러닝 기술이 모두 포함됩니다. 지금까지 대부분의 산업에서는 IoP 애플리케이션에 중점을 두었기 때문에, 데이터 스트림Stream으로부터 학습하는 데 적용된 기술도 대개 사람에 대한 데이터를 학습하는 데 적용되어 왔습니다. IoT 프레임워크의 다른 계층과 마찬가지로 향후 혁신될 여지가 있습니다.

실행

IoP 애플리케이션과 마찬가지로, IoT 애플리케이션을 구축하기 위한 패키지 애플리케이션(예: ERP, CRM)과 미들웨어가 있습니다. 애플리케이션을 구입했든 구축했든 결국 중요한 건 비즈니스 성과를 이끌어내는 것입니다. 기계가 점차 복잡해지고 소프트웨어에 의해 활성화enabled되면서, 소프트웨어를 유지 보수하고 서비스하면서 배운 많은 교훈이 기계 서비스에도 적용될 것입니다. 소프트웨어 업계에 널리 알려져 있듯이, 소프트웨어를 서비스 형태로 제공하려는 움직임Software-as-a-Service은 업계에 큰 변화를 일으켰습니다.

이 책에서 제시하는 프레임워크를 실제 제품에 접목하기 위해 IoT 프레임워크의 구성 요소 중 많은 부분(전부는 아님)을 제공하는 공급 업체 다섯 곳을 소개하려고 합니다. 소개하는 목적은 각 프레임워크의 구성 요소에 대해 공급 업체 간의 유사점과 차이점을 보여주려는 것입니다.