Cisco vil træne ML på kanten af netværket: Godt for privacy og båndbredde

Skridtet efter edge analytics bliver at udføre hele machine learning-arbejdet decentralt, mener Cisco.
Med eksplosionen af IoT-enheder og dermed datakilder er behovet for at udføre en del af analyse-arbejdet på kanten af netværket kun blevet større. Med edge analytics bliver data behandlet tæt på datakilden. Det betyder, at mindre data skal sendes videre og opbevares centralt - og samtidig kan en algoritme hurtigt reagere på anomalier i datastrømmen.
starLog ind eller prøv 3 ugers gratis prøveabonnement for at læse videre

DataTech skriver til dig, der arbejder professionelt med data og analytics. Vi giver dig inspirerende cases, nyheder og debat om alt fra Machine Learning-modeller til dataetik.

John Apostolopoulos
Apostolopoulos
Illustration: Cisco

John Apostolopoulos er VP og CTo for Enterprise Networking Business og Lab Director for Innovation Labs hos Cisco. Han er fast gæsteunderviser på Stanford University og MIT samt tidligere Lab Director hos Hewlett-Packard Laboratories.