Производитель использует IP-камеры в конце каждой сборочной линии и модель, обученную в SageMaker, для обнаружения дефектов на неподвижных изображениях. Завод должен предоставлять локальную обратную связь работникам при обнаружении дефекта, даже если подключение к интернету потеряно. Локальный Linux-сервер размещает API, который предоставляет обратную связь. Как компания должна развернуть модель машинного обучения, чтобы обнаружение и локальная обратная связь работали в автономном режиме?

Правильный ответ — установка AWS IoT Greengrass на локальный сервер. Greengrass позволяет развертывать локально обученные модели машинного обучения (ML) и выполнять инференс на периферийных устройствах, обеспечивая автономную работу даже при отсутствии подключения к интернету. Компонент Greengrass может захватывать изображения, выполнять локальный инференс и вызывать локальный API для обратной связи. Неправильные варианты: Передача видео в AWS Kinesis Video Streams и использование конечной точки SageMaker в AWS требует постоянного подключения к интернету, что противоречит требованию автономной работы. Использование AWS Snowball не предназначено для постоянного локального развертывания и инференса в реальном времени. Snowball — это устройство для переноса данных. Amazon Monitron предназначен для мониторинга промышленного оборудования и обнаружения аномалий, а не для развертывания пользовательских моделей ML на IP-камерах и обеспечения локальной обратной связи.