物联网的数据科学-全局
这种全景图奠定了我们的《物联网数据科学》一书的基础。（由Ajit Jaokar，Jean Jacques Bernard和Sukanya Mandal合着）
我们解决了这个问题：在离开传感器后，我们可以在什么时候向数据添加分析，以及在各个阶段进行分析的含义是什么。
在此图中，我们通过两个流程展示了总体情况：
技术流程：边流边存储
部署流程：在生产中（包括在边缘）建模，部署和刷新
用于物联网实施的数据科学在四个关键方面与传统数据科学不同
边缘计算
物联网功能工程
复杂事件处理
嵌入式AI
为了使图更易读，图中未显示最后三个。
笔记：
从物联网分析的角度来看，移动设备还可以充当边缘设备。
部署在边缘的AI主要用于推理（当前）
大多数有关物联网的数据科学问题都是时间序列问题。实际上，这意味着在许多情况下都使用LSTM。我们还可以处理图像，声音等（使用卷积神经网络等）
该图未显示许多应用程序中存在的批处理模式
在部署模型方面，我们考虑三个选项：
数字信号：例如，在物联网为增强现有业务流程提供信号的保险中
数字孪生：主要用于工业物联网
数字棒：AI /普适计算的“普遍”部署。目前，在中国一些智慧城市的应用中可以看到
题库