I dispositivi Internet of Things (IoT) occupano già le nostre vite in modo massivo ed entro il 2025 avremo in media quattro dispositivi IoT a persona. Questi dispositivi sono enormi generatori di dati, i quali richiedono soluzioni efficienti, affidabili e sicure per la loro gestione. Sempre più spesso il Machine Learning (ML) rappresenta lo strumento d'elezione per svolgere questo compito perché può aiutare a dominarne la complessità, a identificare schemi ricorrenti, a rilevare eventuali anomalie e a prendere decisioni.

Il progetto EMELIOT (Engineered MachinE Learning-intensive IoT systems) ricerca soluzioni per la progettazione di sistemi IoT altamente affidabili e basati su ML. EMELIOT prevede sistemi in cui diversi sensori raccolgono dati generati da sistemi fisici, i quali a loro volta possono modificare il loro stato tramite attuatori. I dati raccolti vengono filtrati, aggregati e utilizzati per gestire i modelli ML localmente, sull'edge, tramite gateway IoT dedicati o su server cloud remoti.

Questa flessibilità consente diverse soluzioni e può occuparsi della gestione di diversi aspetti - responsabilità, problemi di latenza e problemi di privacy - poiché la quantità di dati da spostare può essere regolata a piacere e i dati possono essere analizzati localmente. L'obiettivo generale del progetto è quello di fornire a ingegneri del software, data scientist ed esperti di ML un insieme completo di metodologie, soluzioni e strumenti per migliorare lo sviluppo, la verifica e il funzionamento dei sistemi IoT ad alta intensità di ML.