Orchestration du cycle de développement des applications IoT basées sur l'apprentissage automatique

L'apprentissage automatique (ML) et l'Internet des objets (IoT) constituent des avancées complémentaires : les techniques ML libèrent le potentiel de l'IoT avec de l'intelligence, et les applications IoT alimentent de plus en plus les données collectées par des capteurs dans des modèles ML, employant ainsi les résultats pour améliorer leurs processus commerciaux et services. Par conséquent, l'orchestration des pipelines ML qui englobent l'entraînement des modèles et l'implication dans le cycle de développement holistique d'une application IoT conduit souvent à une intégration complexe des systèmes. Cet article fournit une enquête complète et systématique sur le cycle de développement des applications IoT basées sur l'apprentissage automatique. Nous delineons la feuille de route et la taxonomie centrales et évaluons par la suite les techniques standards existantes utilisées à chaque étape.