Azure IoT Üzerinde Makine Öğrenimi Yardımı ile Hava Tahminleme Çıktılarının Oluşturulması – Bölüm 1

Bu makalemiz özelinde sizlerle Azure IoT üzerinde, Rasperry Pi Ağ geçidini ve bi takım sensörlerden istifade ederek, makine öğrenimi yardımı ile hava durum tahminlemeye yönelik uygulama çalışması yapacağız.

Ağ geçidi, ağ geçidi ile birlikte kullanılacak, sensor, yarı iletken elektronik malzemeler ve ihtiyaç duyulan diğer fiziksel malzemelerin temini konusunda bi takım maliyetsel kıstaslara dikkat etmenizde fayda var.

Aşağıdaki hiyerarşik çizim, hangi modüllerin birbiriyle bağlantısı olacağını özetlemektedir.

Öncelikle Makine öğrenimi yardımı ile çalışmanın amacını özetlemekte fayda görüyorum. Makine öğrenimi gelecekteki davranışları, davranış sonuçlarını, eğilimlerini, tahmin etmek için Bilgisayar tabanlı olarak öğrenme modelleri tahminleme yapmak için kullanılan bilimsel bir tekniktir.

Makine öğrenimi sayesinde, sıcaklık, nem yağış detaylarına dair bir çok detaya önceden ulaşma imkanı bulabilirsiniz.

Temel gereksinimler;

Azure Aboneliği

Azure IoT Hub aboneliği

Azure ML Studio ücretsiz deneme hesabı oluşrumanız gereklidir. (https://studio.azureml.net/ )

Rasperry pi için bi takım donanımsal ve yazılımsal hazırlıklar yapmanız gereklidir. Azure IoT Hub özelinde Rasperry cihazınızı ve diğer donanımları, alt bileşenlerini tanımlamak için uygulamalı olarak adım adım bu linki takip etmeniz de fayda var. https://docs.microsoft.com/tr-tr/azure/iot-hub/iot-hub-raspberry-pi-kit-node-get-started

 

Web hizmeti olarak hava tahminleme modelini oluşturmak için hazırda kullanılan Azure ML Studio’da daha evvel deneyimlenmiş çıktılardan istifade edebilirsiniz.

https://gallery.cortanaintelligence.com/Experiment/Weather-prediction-model-1

Yukarıdaki ilgili link üzerinden daha evel tahminde bulunulmuş ve öğrenme modelleri belirlenmiş verilere ulaşma şansınız var.

Machine Learning studio’da uygulamaları açmak için hesabınızı aktif ettiğinizden emin olunuz.

ML Studio hesabınızı aktif ettikten sonra, daha evvel öğrenilmiş olan ve Azure AI kütüphanesinde yer alan çalışılmış hazır modeli kullanabilirsiniz.

Veriyi modellemek ve çıktılarını okuyabilmek için aşağıdaki işlem adımlarının detaylarını okumanızda fayda var.

Başlattığınız çalışma modeli, veriyi öğrenip, modelleyip, çıktılarını aktarabilmek için hazırlanmış olan ”Dataset” leri için çalışıp çıktılarını tablo halinde sunacaktır, “Dataset” içeriğine göre derleme işi zamanı belli olacaktır.

Bu bölümü tamamladıktan sonra makalenin devamı olan ikinci bölümü okuyarak uygulamanın devamını getirebilirsiniz.

Keyifli Okumalar…

Exit mobile version