Industrial IoT με GCP στο Coursera logo

Μάθημα Industrial IoT με GCP στο Coursera

Tο σημερινό άρθρο είναι κατά κάποιο τρόπο η συνέχεια ή η συμπλήρωση του 9ου (Smart Cities) και του 10ου (Iot & Home Automation) MeetUp.

Είναι το Industrial Iot από το Google Cloud. Το μάθημα αυτό ΔΕΝ έχει “ανεβεί” ακόμα στην e-learning πλατφόρμα του Coursera. Αλλά είναι στα προσεχώς.

Γενικά το IoT μπορούμε να το χωρίσουμε σε 4 κατηγορίες:

  • Smart Cities – όπου η πόλη χρησιμοποιεί την τεχνολογία για να βελτιώσει την ποιότητα ζωής των ανθρώπων που ζουν και εργάζονται σε αυτήν,

  • Smart Homes – χρησιμοποιούμε τις “έξυπνες” συσκευές για να ελέγχουμε το περιβάλον του σπιτιού μας,

  • Connected Health – πως να χρησιμοποιούμε τεχνολογικά προϊόντα που μπορεί να αγοράσει ο κάθε ένας μας για να συνδεθεί ο ασθενής με τον γιατρό που τον παρακολουθεί ΧΩΡΙΣ να πρέπει να πάει στο νοσοκομείο. (Εδώ να πω για όσους ενδιαφέρονται για αυτό το αντικείμενο ότι στα προσεχώς είναι και το Business Application of Machine Learning and Artificial Intelligence in Healthcare, Northeastern University)
  • Industrial IoT- χρησιμοποιούμε ML & Big Data για να παράγουμε αξία από δεδομένα αισθητήρων. (Για αυτό μιλάει το συγκεκριμένο μάθημα!)

Εδώ να κάνω μια μικρή παρέμβαση. Το IoT ως ονομασία έγινε γνωστό το 1999. Για εμένα που πρόλαβα τα videoclub είδα για πρώτη φορά το IoT (και το ML) στην ταινία Electric Dreams το 1984.

Electric Dreams Movie 1984
Electric Dreams (1984)

Το μάθημα αυτό θεωρεί ότι αυτός που θα το πάρει, θα εγγραφεί για να το παρακολουθήσει ΔΕΝ έχει ιδέα ούτε από IoT αλλά ούτε και από το Google Cloud Platform.

Έτσι ξεκινάει εξηγώντας τι είναι το IoT, πως ξεκίνησε, πως χωρίζεται, πως λειτουργεί. Για πρώτη φορά είδα μάθημα που δεν είναι μόνο με βίντεο ομιλίες αλλά έχει πολλά μικρά και εύκολα στην ανάγνωση κείμενα με εικόνες και γραφήματα. Πρωτοποριακό και πανέξυπνο!

Η αρχιτεκτονική του Google Cloud IoT χωρίζεται σε 4 στάδια: data gathering (συλλογή δεδομένων), data ingest (λήψη δεδομένων), data processing (επεξεργασία δεδομένων) και data analysis (ανάλυση δεδομένων).

Έτσι λοιπόν το μάθημα σε πάει βήμα βήμα σε όλα αυτά τα στάδια. Μαθαίνεις να:

  • ενεργοποιείς τα κατάλληλα API (Cloud IoT Core, Cloud Pub/Sub, Container Registry είναι τα standard),
  • Χρησιμοποιείς το Cloud IoT Core για την ασφάλεια των συσκευών,
  • Δημιουργείς Publisher και να προσθέσεις νέο Subscriber, στο Cloud Pub/Sub για να λαμβάνεις τα μηνύματα από τις συσκευές αλλά και να να στέλνεις (publish) στους συνδρομητές (subscribers) για να τα διαβάσουν,
  • Χρησιμοποιείς το Cloud Dataflow για να δημιουργείς data pipelines (αγωγούς δεδομένων) από τη συσκευή προς τον προορισμό, ο οποίος μπορεί να είναι το BigQuery, το Cloud Storage ή το Big Table.
  • Δημιουργείς τα δικά σου pipeline με τα έτοιμα templates (πρότυπα) που σου δίνει η Google. Mε τη χρήση του Cloud Functions να φτιάξεις το δικό σου custom pipeline.

Αμέσως μετά την θεωρία σε περνάει στα labs (εργαστήρια). Εδώ πρέπει να δώσετε μεγάλη προσοχή! Να χρησιμοποιήσετε τον λογαριασμό του ΜΑΘΗΤΗ και όχι ένα από τα δικά σας Gmail. Για αυτό καλό θα είναι να κάνετε το μάθημα σε ανώνυμη περιήγηση (incognito mode) ή όπως αλλιώς λέγεται στον browser σας, προκειμένου να αποφεύγεται χρεώσεις!

Στο 1ο qwiklabs θα δημιουργήσετε το δικό σας Pub/Sub topic, και το subscription στο topic, θα στείλετε (publish) χειροκίνητα μήνυμα στο topic και θα “τραβήξετε” (pull), πάλι χειροκίνητα, το μήνυμα σας από το topic.

Στο επόμενο θα επαναλάβετε ότι κάνατε στο προηγούμενο qwiklab και θα προχωρήσετε στις νέες ασκήσεις. Έτσι γίνεται ακόμα καλύτερη η τριβή, η εξάσκηση!

Σε κάποια στιγμή στο μάθημα δείχνουν πως να χρησιμοποιήσουμε το Cloud Dataprep. Εδώ να σας πω ότι το Cloud Dataprep είναι από την Trifacta αλλά το χρησιμοποιεί η Google. Όπως και να έχει είναι ένα φανταστικό εργαλείο. Χωρίς να χρειάζεται να ξέρεις να γράφεις κώδικα, μόνο αλλάζοντας πράγματα στο UI ελέγχεις και αλλάζεις τα δεδομένα σου.

Επειδή το δούλεψα λίγο πρέπει να σας πω ότι χρειάζεται, τουλάχιστον, ένα άρθρο ΜΟΝΟ για αυτό. Ανιχνεύει αυτόματα το “σχήμα”, τους τύπους, τις συνδέσεις και τις ανωμαλίες στη βάση δεδομένων που θα του δώσεις. Και έχεις άμεση οπτικοποίηση των δεδομένων σου.

Με το Data Studio δημιουργείς τις αναφορές σου, τις κοινοποιείς στους συνεργάτες σου, τους δίνεις δικαίωμα (ρόλο) να τις επεξεργάζονται ή μόνο να τις διαβάζουν. Και όλα αυτά συνδέοντας το με ότι δεδομένα έχεις πάρει από τις συσκευές σου.

Τελειώνοντας το μάθημα των 18 ωρών έχει 3 Capstone Projects με τα οποία βλέπεις τι έχεις μάθει. Διαφέρουν σε λίγα πράγματα μεταξύ τους, κυρίως στην συσκευή που θα χρησιμοποιηθεί:

  1. «κατεβάζοντας» την εφαρμογή Cloud IoT Inspector από το Google PlayStore στην Android συσκευή σου,
  2. αν δεν έχεις Android συσκευή τότε προσομοιώνεις μια IoT συσκευή και προχωράς με αυτό το project,
  3. στο τελευταίο project χρησιμοποιείς ξανά συσκευή προσομοίωσης

Όλα τα project λειτουργούν με MQTT και όχι HTTP.

ΘΕΤΙΚΑ

  • Ξεκούραστο μάθημα
  • Σε πάει βήμα βήμα, τόσο στην θεωρία όσο και στην πράξη.
  • Στα εργαστήρια σε βάζει να επαναλάβεις ότι έκανες μέχρι εκείνη τη στιγμή και μετά συνεχίζει στα καινούρια.
  • Τα 3 τελευταία project με τα οποία εξασκείσαι παραπάνω. Έτσι μπορείς να βρεις αν έχεις κάποιο κενό. Α
  • Αποκτάς μεγαλύτερη εμπιστοσύνη στις ικανότητες σου αλλά και στην χρήση του GCP.

ΑΡΝΗΤΙΚΑ

  • Ότι δεν έχει “ανεβεί” ακόμα στην πλατφόρμα.