翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# コネクテッドホーム: エッジでのMachine Learning
公開日: **2021 年 7 月 13 日 ([図の履歴](#home-ml-history))**
このアーキテクチャでは、モノのインターネット (IoT) ビデオカメラやその他のホームデバイスで機械学習 (ML) 推論を実行できます。このソリューションは、エッジデプロイに [AWS IoT Greengrass](https://docs.aws.amazon.com/greengrass/v2/developerguide/) を使用し、モデルトレーニングと最適化に [Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/) を使用します。
## エッジ図で接続されたホーム ML
次の手順では、アーキテクチャについて説明します。
1. AWS IoT Greengrass を実行する IoT ビデオカメラから [AWS IoT Core](https://docs.aws.amazon.com/iot/latest/developerguide/) にトレーニングデータを発行します。
1. カメラデータをリッスンし、Amazon [Simple Storage Service](https://docs.aws.amazon.com/AmazonS3/latest/userguide/) のストレージ用にメッセージを Amazon Data Firehose に転送する AWS IoT ルールを設定します。
1. SageMaker AI を使用して、カメラなどのリソースに制約のあるデバイスで見られるメモリフットプリントの 10 分の 1 未満を使用する ML モデルをトレーニング、最適化、構築します。
1. IoT ビデオカメラに配信するために、SageMaker AI から Amazon S3 にトレーニング済みモデルを出力します。
1. AWS IoT Greengrass クラウドサービスを使用して、ターゲット IoT ビデオカメラへのデプロイを調整します。デプロイには、トレーニング済みの ML モデルと、[AWS Lambda](https://docs.aws.amazon.com/lambda/latest/dg/)関数やDockerコンテナなどのアプリケーションロジックを含めることができます。
1. トレーニングされた ML モデルの最新バージョンを使用して推論を実行するために、Lambda 関数を IoT ビデオカメラでローカルで実行します。
1. モバイルアプリケーションを使用して、Amazon Kinesis Video Streams を介してカメラのビデオストリームを表示します。
## 詳細情報
詳細については、次のリソースを参照してください。
+ [AWS アーキテクチャアイコン](https://aws.amazon.com/architecture/icons)
+ [AWS アーキテクチャセンター](https://aws.amazon.com/architecture/)
+ [AWS Well-Architected](https://aws.amazon.com/architecture/well-architected)
## 図の履歴
このリファレンスアーキテクチャ図に関する最新情報を受け取るには、RSS フィードにサブスクライブします。
| 変更 | 説明 | 日付 |
| --- |--- |--- |
| [初版発行](#home-ml-history) | リファレンスアーキテクチャ図が最初に公開されました。 | 2021 年 7 月 13 日 |
**RSS サブスクリプション要件**
RSS 更新をサブスクライブするには、使用しているブラウザで RSS プラグインが有効になっている必要があります。