Τεχνολογίες Μηχανικής Μάθησης Στο Διαδίκτυο Των Πραγμάτων

Abstract

Η ανάπτυξη των τεχνολογιών του διαδικτύου επέφερε εκτός από μεγάλη αύξηση στο περιεχόμενο του παγκόσμιου ιστού, και τη δυνατότητα πρόσβασης σε αυτό από κάθε είδος συσκευής. Η νέα αυτή μορφή διαδικτύου αναφέρεται με τον όρο διαδίκτυο των πραγμάτων (IoT). Η διείσδυση των εφαρμογών του είναι μεγάλη και η δυναμική τους δείχνει ότι στο μέλλον πολλές από τις ανθρώπινες δραστηριότητες θα βασίζονται εξ ολοκλήρου στις τεχνολογίες του ΙοΤ. Προκειμένου να γίνουν εκμεταλλεύσιμα τα δεδομένα που αντλούνται από τους αισθητήρες των συσκευών του ΙοΤ, χρησιμοποιούνται και άλλες καινοτόμες τεχνολογίες, όπως το Edge – Fog – Cloud Computing και η μηχανική μάθηση (ML). Μία από τις πιο σημαντικές εφαρμογές του ΙοΤ είναι η ανάπτυξη μηχανισμών που καταστούν έξυπνες τις λειτουργίες που εκτελούνται σε μία πόλη. Με την λήψη μεγάλου όγκου δεδομένων από υπαίθριους αισθητήρες και την χρήση κατάλληλων τεχνικών μηχανικής μάθησης, μπορούν να αναπτυχθούν μοντέλα πρόβλεψης καταστάσεων που μπορεί να επικρατήσουν σε μία πόλη και να επηρεάσουν αποφάσεις προς όφελος του κοινωνικού συνόλου. Στα πλαίσια της έρευνας αυτής αναπτύχθηκε ένας μηχανισμός εκμετάλλευσης δεδομένων του ΙοΤ για την πρόγνωση της μελλοντικής κατάστασης του ατμοσφαιρικού αέρα.

The development of internet technologies has brought in addition to the great increase of the content of the World Wide Web and the possibility of access to it from any kind of device. This new form of internet is referred to as the internet of things (IoT). The penetration of its applications is great and their dynamics show that in the future many of human activities will be based entirely on IoT technologies. In order to exploit the data extracted from the sensors of IoT devices, other innovative technologies are used, such as Edge - Fog - Cloud Computing and machine learning (ML). One of the most important applications of IoT is the development of mechanisms to make the operations performed in a city smart. By capturing large volumes of data from outdoor sensors and using appropriate machine learning techniques, situation prediction models can be developed that can prevail in a city and influence decisions for the benefit of society as a whole. As part of this research, an IoT data exploitation mechanism was developed to predict the state of the atmospheric air in the future.