U moet de operationele efficiëntie van 20 miljoen mobiele en niet-verbonden voertuigen verhogen door operationele parameters automatisch aan te passen. Hoe moet u te werk gaan?

De correcte optie is om ML-modellen lokaal op het voertuig uit te voeren. Dit is essentieel voor niet-verbonden voertuigen, omdat het directe aanpassingen mogelijk maakt zonder afhankelijkheid van een constante netwerkverbinding. Het verzamelen van data en het trainen van modellen in de cloud is een standaardpraktijk voor machine learning. De optie om engineers patronen te laten inspecteren en een regelgebaseerd algoritme te implementeren is te arbeidsintensief en schaalt niet voor 20 miljoen voertuigen met dynamische operationele parameters. Een Cloud Dataflow streaming job met een sliding window is geschikt voor real-time dataverwerking, maar lost het probleem van niet-verbonden voertuigen niet op, aangezien aanpassingen via Google Cloud Messaging nog steeds connectiviteit vereisen. Het hosten van modellen op Cloud ML Platform voor aanpassingen vanuit de cloud is ongeschikt voor niet-verbonden voertuigen, omdat dit een continue internetverbinding vereist.