La Data science au service de l'IoT : l'IoT est encore un domaine émergent et de nos jours, les systèmes compris dans les solutions constructeurs (exemple : Hue, nest...) envoient des directives aux objets en se basant essentiellement sur des moteurs de règles (définies par les utilisateurs ou pas).
Nous allons voir quelles sont les limites de tels systèmes, et quels peuvent être les apports d'une approche basée sur des solutions issues du monde du machine learning.
2. Objet connecté
“For IoT ‘things’, the key attributes are:
• Physical or virtual objects with network interface
• Sensing and actuator
• Local data storage
• Local data processing”
“A Comparison of the Definitions for Smart Sensors, Smart Objects and Things in IoT”
IEEE IEMCON 2016
Xing Liu, Orlando Baiocchi
3. Objet connecté
“IEEE : (a thing) Is any physical object relevant from a user or
application perspective”
“A Comparison of the Definitions for Smart Sensors, Smart Objects and Things in IoT”
IEEE IEMCON 2016
Xing Liu, Orlando Baiocchi
4. L’IoT pratiqué aujourd’hui
“A SURVEY ON IOT ARCHITECTURES, PROTOCOLS, APPLICATIONS, SECURITY,
PRIVACY, REAL-WORLD IMPLEMENTATION AND FUTURE TRENDS”
2015 IEEE 16th International Conference on Communication Technology (ICCT)
Surapon Kraijak, Panwit Tuwanut
6. L’IoT pratiqué aujourd’hui
2 grandes catégories d’acteurs actuels dans le domaines :
◦ Providers de solutions complètes
◦ Providers de gateways ou plateformes
13. Ce que peut apporter la datascience
− Découvrir des corrélations intéressantes inter-objets
−
− Faire de la prédiction une fois les corrélations connues
28. A quoi ça sert ?
− Prévision de consommation énergétique
−
− Améliorer les systèmes de thermostats actuels
29. Comment aller plus loin ?
− Trouver d'autres corrélations intéressantes (causalités) automatiquement
− (PCA ?)
−
− Utiliser des corrélations (pas forcéments causalités) afin de déterminer
des scénarios (Time series ?)
− (ou “scenarii”, comme vous voulez)