Chapitre 13. Cas d'utilisation : Produits de consommation
Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com
L'apprentissage automatique en périphérie est utilisé dans l'électronique grand public et les produits pour permettre aux appareils de prendre des décisions basées sur des données sans envoyer ces données dans le Cloud. Cela permet d'économiser du temps et de la bande passante et peut également être utilisé lorsque les données sont sensibles et doivent rester privées. L'Edge machine learning peut également être utilisé pour des tâches axées sur le consommateur, comme la reconnaissance faciale, la détection d'objets, la reconnaissance vocale et la classification des capteurs. En analysant et en reconnaissant des schémas dans les données des consommateurs ingérées sur l'appareil avant de les envoyer dans le Cloud pour un traitement ultérieur, les produits peuvent s'adapter rapidement aux besoins de l'utilisateur : montrer l'utilisation souhaitée du produit, fournir des alertes personnalisées à l'utilisateur à propos du produit, et bien plus encore.
En utilisant l'edge AI, les produits de consommation peuvent s'intégrer aux données des capteurs embarqués et les exploiter pour une quantité presque illimitée de cas d'utilisation. Par exemple, un vélo peut analyser le milieu environnant du cycliste pour y trouver des informations sur la circulation et des données environnementales susceptibles d'affecter ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access