La sua crescente tendenza è strettamente legata all’uso diffuso dell’Internet of Things (IoT) caratterizzato da una gamma di servizi IoT e capacità del dominio applicativo.

Due aspetti sono da considerare in apparente contrapposizione: Per l’Edge Analytics, la latenza è importante ma l’implementazione di una ML efficace richiede molti dati.

Le scelte progettuali del team NETCARING di come rapportare l’esecuzione dei modelli di Machine Learning all’Edge più o meno vicino all’origine dipende dai casi applicativi, ma tali da soddisfare una elaborazione in tempo reale, una minore latenza, una maggiore sicurezza, un uso più efficiente della larghezza di banda disponibile e un minore consumo energetico complessivo.

NETCARING per le implementazioni dei propri progetti utilizza la tecnologia CROSSER (www.crosser.io). Una piattaforma software Low-Code che implementa un workflow ML visuale e assicura apertura a tutti i sistemi IT & IIoT.