卡内基梅隆大学利用Azure,machine learning和Power BI节省开支
作者 AbelJiang | 2014-09-27 18:30 | 类型 行业动感 | Comments Off
|
原文：http://www.winbeta.org 翻译：Abel Jiang 微软有很多高冷的技术工具，个人消费者比较难用到，其中就包括植根于大数据和云中的Microsoft Azure,Azure Machine Learning以及Power BI。大公司用这些工具来处理海量数据，而个人消费者却很少使用和体会到这些技术工具对他们日常生活的产生的影响。 卡内基梅隆大学（CMU）通过利用微软的这些技术工具，让教学楼运行效率更高，因而节省了开支。CMU收集来自安置在暖通空调（HVAC）以及管道处的传感器产生的数据，结合天气数据来估测教学楼的环境温度。通过建立好的温度变化模型，CMU调节供暖供热系统，以期达到良好的环境温度。 这是一个很复杂的问题。解决方案不仅仅是收集更多的数据，因为你要做出如何调节系统控制温度的决策。这也是微软的工具派上用场的地方。首先，CMU收集所有和教学楼温度相关的数据，比如：外部温度，光照，内部温度，改变内部温度多用时间，建筑内热量流动情况等。接着，CMU用Microsoft Azure预测他们需要但是不能直接得到的数据。比如说，团队没有关于建筑所受光照的数据，他们就利用Azure Machine Learning来估测。 再然后，CMU团队建立模型，然后在一天工作开始之前确定温度情况。通过这样控制教学楼温度让CMU降低了20%的能耗。对于一个大型的研究机构，减少如此多能耗意味着节约了很大的开支。CMU的团队表示，这些易用的机器学习工具节省了很多精力，在预测光照这一项的建模上就从原来的几个星期甚至几个月的时间，缩短到了几天。这些工具客观上推进了这套系统的实用进度。 个人看法：之前也有Google Data Center的Jim Gao用机器学习算法控制数据中心的Cooling System从而降低能耗的报道，随着一些机器学习工具的出现，利用机器学习变得越来越容易，最近edX有开Caltech的Data Science课，完全同步Caltech校内课程及资料，有兴趣不妨听一下。 | |
 (1个打分， 平均：5.00 / 5) |
