登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入   新用戶註冊

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

新書推薦： 《 情绪传染（当代西方社会心理学名著译丛） 》 售價：NT$ 403.0 《 中国年画 1950-1990 THE NEW CHINA: NEW YEAR PICTURE 英文版 》 售價：NT$ 1100.0 《 革命与反革命：社会文化视野下的民国政治（近世中国丛书） 》 售價：NT$ 435.0 《 画楼：《北洋画报》忆旧（年轮丛书） 》 售價：NT$ 1573.0 《 大国脊梁：漫画版 》 售價：NT$ 374.0 《 跟着渤海小吏读历史：大唐气象（全三册） 》 售價：NT$ 989.0 《 心智的构建：大脑如何创造我们的精神世界 》 售價：NT$ 352.0 《 美国小史（揭秘“美国何以成为美国”，理解美国的经典入门读物） 》 售價：NT$ 352.0

建議一齊購買： + NT$ 449 《 Midjourney人工智能AI绘画教程：从娱乐到商用 》 + NT$ 458 《 动手学强化学习 》 + NT$ 709 《 康复增力型下肢外骨骼机器人智能控制 》 + NT$ 1015 《 智能可穿戴传感器：原理、实践与应用 》 + NT$ 301 《 ChatGPT时代：ChatGPT全能应用一本通 》 + NT$ 398 《 人工智能 AI绘画从入门到精通：文案+绘画+摄影+电商广告制作 》 編輯推薦： ? 探索各种人工智能技术，从零开始构建智能物联网解决方案 ? 使用机器学习和深度学习技术构建智能语音识别和面部检测系统 ? 使用算法深入了解物联网数据并在项目中实施 ? 对时间序列数据和其他类型的物联网数据执行异常检测 ? 在小型设备上实施用于机器学习的嵌入式系统学习技术 ? 将预训练的机器学习模型应用于边缘设备 ? 使用TensorFlow.js和Java将机器学习模型部署到Web应用程序和移动设备 內容簡介： 本书采用基于配方的方法完成从数据收集、分析、建模、统计和监视以及部署的基本过程。本书提供来自智能家居，工业物联网和智能设备的真实数据集来训练和评估简单到复杂的模型，并使用经过训练的模型进行预测。本书还介绍了在实施机器学习和深度学习以及其他AI技术（例如自然语言处理、计算机视觉和用于构建智能IoT系统的强化学习）时面临的主要挑战。通过本书读者可以学习如何打包和部署端到端AI应用程序，以及如何将实践解决方案应用于常见的IoT问题。 關於作者： Michael Roshak 云架构师和战略家，研究重点是设计和部署面向云的解决方案和架构。在企业云转型计划和基础设施现代化方面拥有深厚的专业知识。他负责为云应用提供战略咨询服务、咨询技术销售，并通过跨多个行业的高度战略客户推动广泛的云服务。 高慧敏 博士，教授。嘉兴学院图书馆副馆长(兼学报编辑部主任)，浙江省嘉兴光伏技术创新服务平台主任，《系统仿真学报》编委会委员，长三角G60科创走廊专家咨询委员会专家。主要从事复杂系统建模与仿真，生产优化与调度等领域的科研工作。 目錄： 第1章搭建IoT和AI环境 1.1准备工作 1.1.1设备选型 1.1.2搭建Databricks 1.2搭建IoT Hub 1.2.1预备工作 1.2.2操作步骤 1.2.3工作机理 1.3设置IoT Edge设备 1.3.1预备工作 1.3.2操作步骤 1.3.3工作机理 1.4将ML模块部署到边缘设备端 1.4.1预备工作 1.4.2操作步骤 1.4.3工作机理 1.4.4补充说明 1.5搭建Kafka 1.5.1预备工作 1.5.2操作步骤 1.5.3工作机理 1.5.4补充说明 1.6在Databricks上安装ML库 1.6.1预备工作 1.6.2操作步骤 1.6.3工作机理 第2章数据处理 2.1使用Delta Lake存储数据以便分析 2.1.1预备工作 2.1.2操作步骤 2.1.3工作机理 2.2数据采集设计 2.2.1预备工作 2.2.2操作步骤 2.3窗口化 2.3.1预备工作 2.3.2操作步骤 2.3.3工作机理 2.4探索性因子分析法 2.4.1预备工作 2.4.2操作步骤 2.4.3工作机理 2.4.4补充说明 2.5在Mongo/hot path storage中实现分析查询 2.5.1预备工作 2.5.2操作步骤 2.5.3工作机理 2.6将IoT数据导入Spark 2.6.1预备工作 2.6.2操作步骤 2.6.3工作机理 第3章面向IoT的机器学习 3.1采用异常检测分析化学传感器 3.1.1预备工作 3.1.2操作步骤 3.1.3工作机理 3.1.4补充说明 3.2IoMT中的Logistic回归 3.2.1预备工作 3.2.2操作步骤 3.2.3工作机理 3.2.4补充说明 3.3使用决策树对化学传感器进行分类 3.3.1操作步骤 3.3.2工作机理 3.3.3补充说明 3.4使用XGBoost进行简单的预测性维护 3.4.1预备工作 3.4.2操作步骤 3.4.3工作机理 3.5危险驾驶行为检测 3.5.1预备工作 3.5.2操作步骤 3.5.3工作机理 3.5.4补充说明 3.6在受限设备端进行人脸检测 3.6.1预备工作 3.6.2操作步骤 3.6.3工作机理 第4章用于预测性维护的深度学习 4.1使用特征工程增强数据 4.1.1预备工作 4.1.2操作步骤 4.1.3工作机理 4.1.4补充说明 4.2使用Keras进行故障检测 4.2.1预备工作 4.2.2操作步骤 4.2.3工作机理 4.2.4补充说明 4.3实施LSTM来预测设备故障 4.3.1预备工作 4.3.2操作步骤 4.3.3工作机理 4.4将模型部署到Web服务 4.4.1预备工作 4.4.2操作步骤 4.4.3工作机理 4.4.4补充说明 第5章异常检测 5.1在Raspberry Pi和Sense HAT上使用ZSpikes 5.1.1预备工作 5.1.2操作步骤 5.1.3工作机理 5.2使用自编码器检测标记数据中的异常 5.2.1预备工作 5.2.2操作步骤 5.2.3工作机理 5.2.4补充说明 5.3对未标记数据集使用孤立森林算法 5.3.1预备工作 5.3.2操作步骤 5.3.3工作机理 5.3.4补充说明 5.4使用Luminol检测时间序列异常 5.4.1预备工作 5.4.2操作步骤 5.4.3工作机理 5.4.4补充说明 5.5检测受季节性影响的异常 5.5.1预备工作 5.5.2操作步骤 5.5.3工作机理 5.6使用流分析法检测峰值 5.6.1预备工作 5.6.2操作步骤 5.6.3工作机理 5.7检测边缘设备的异常 5.7.1预备工作 5.7.2操作步骤 5.7.3工作机理 第6章计算机视觉 6.1通过OpenCV连接摄像头 6.1.1预备工作 6.1.2操作步骤 6.1.3工作机理 6.1.4补充说明 6.2使用微软自定义视觉来训练和标记图像 6.2.1预备工作 6.2.2操作步骤 6.2.3工作机理 6.3使用深度神经网络和Caffe检测人脸 6.3.1预备工作 6.3.2操作步骤 6.3.3工作机理 6.4在Raspberry Pi上使用YOLO检测物体 6.4.1预备工作 6.4.2操作步骤 6.4.3工作机理 6.5在NVIDIA Jetson Nano上使用GPU检测物体 6.5.1预备工作 6.5.2操作步骤 6.5.3工作机理 6.5.4补充说明 6.6在GPU上使用PyTorch训练视觉 6.6.1预备工作 6.6.2操作步骤 6.6.3工作机理 6.6.4补充说明 第7章基于NLP和Bots的Kiosks 7.1唤醒词检测 7.1.1预备工作 7.1.2操作步骤 7.1.3工作机理 7.1.4补充说明 7.2使用Microsoft Speech API实现语音转文字 7.2.1预备工作 7.2.2操作步骤 7.2.3工作机理 7.3LUIS入门 7.3.1预备工作 7.3.2操作步骤 7.3.3工作机理 7.3.4补充说明 7.4智能机器人实现 7.4.1预备工作 7.4.2操作步骤 7.4.3工作机理 7.4.4补充说明 7.5创建自定义声音 7.5.1预备工作 7.5.2操作步骤 7.5.3工作机理 7.6利用QnA Maker增强机器人的功能 7.6.1预备工作 7.6.2操作步骤 7.6.3工作机理 7.6.4补充说明 第8章采用微控制器和pipeline进行优化 8.1基于ESP32的IoT简介 8.1.1预备工作 8.1.2操作步骤 8.1.3工作机理 8.1.4补充说明 8.2ESP32环境监控器的实现 8.2.1预备工作 8.2.2操作步骤 8.2.3工作机理 8.2.4补充说明 8.3超参数优化 8.3.1预备工作 8.3.2操作步骤 8.3.3工作机理 8.4BOM变更的处理 8.4.1预备工作 8.4.2操作步骤 8.4.3工作机理 8.4.4补充说明 8.5使用Sklearn构建机器学习pipeline 8.5.1预备工作 8.5.2操作步骤 8.5.3工作机理 8.5.4补充说明 8.6使用Spark和Kafka进行流式机器学习 8.6.1预备工作 8.6.2操作步骤 8.6.3工作机理 8.6.4补充说明 8.7使用Kafka的KStreams和KTables丰富数据 8.7.1预备工作 8.7.2操作步骤 8.7.3工作机理 8.7.4补充说明 第9章部署到边缘 9.1OTA更新MCU 9.1.1预备工作 9.1.2操作步骤 9.1.3工作机理 9.1.4补充说明 9.2采用IoT Edge部署模块 9.2.1预备工作 9.2.2Raspberry Pi设置 9.2.3编码设置 9.2.4操作步骤 9.2.5工作机理 9.2.6补充说明 9.3采用TensorFlow.js卸载到Web端 9.3.1预备工作 9.3.2操作步骤 9.3.3工作机理 9.3.4补充说明 9.4部署移动模型 9.4.1预备工作 9.4.2操作步骤 9.4.3工作机理 9.5采用孪生设备维护设备群 9.5.1预备工作 9.5.2操作步骤 9.5.3工作机理 9.5.4补充说明 9.6采用雾计算实现分布式机器学习 9.6.1预备工作 9.6.2操作步骤 9.6.3工作机理 9.6.4补充说明 內容試閱： 人工智能 (Artificial Intelligence，AI) 正在各种垂直行业中迅速找到实际应用，物联网 (Internet of Things，IoT) 就是其中之一。开发人员正在寻找使IoT设备更智能并让用户生活更轻松的方法。本书介绍如何使用IoT数据实施智能分析，预测结果并做出明智的决策，内容涵盖有助于在IoT应用程序中进行分析和学习的高级AI技术。 基于50 的实用案例，读者可以充分了解数据采集、数据分析、建模、统计和监控以及部署等基本“人工智能 IoT”流程。利用来自智能家居、工业IoT和智能设备的真实数据集，训练和评估简单和复杂的模型，并使用经过训练的模型进行预测。同时，书中还介绍了实施机器学习、深度学习和其他人工智能技术(如自然语言处理)时面临的主要挑战； 如何利用计算机视觉和嵌入式机器学习构建智能IoT系统； 如何轻松部署模型并提高其性能。 读完本书，读者将能够打包和部署端到端AI应用程序，并将实践解决方案应用于常见的IoT问题。  读者对象 本书面向IoT从业者、构建以IoT为重点的人工智能解决方案的数据科学家及人工智能开发人员。全书提供人工智能技术构建智能IoT解决方案，且无须阅读大量人工智能理论。本书读者需要了解Python编程语言和基本的物联网概念，方能有效掌握书中涵盖的概念。  涵盖内容 第1章重点介绍如何设置正确的环境。内容涵盖如何选择满足AI需求的设备； 如何与设备或云端模块进行安全通信； 如何设置在云中获取数据的方法，设置Spark和AI工具执行数据分析、训练模型并大规模运行机器学习模型。 第2章讨论可以有效使用任何格式数据的基础知识。 第3章讨论使用逻辑回归和决策树等机器学习模型解决常见的IoT问题，例如对医疗诊断进行分类、 危险驾驶行为检测 及对化学数据进行分类等。 第4章重点介绍使IoT设备成为智能设备的各种分类技术。 第5章解释当警报检测未能对特定问题进行分类时，如何发现相关问题以及如果设备以异常方式运行时的解决方案。 第6章讨论如何在云端以及NVIDIA Jetson Nano等边缘设备上实现计算机视觉。 第7章讨论如何使用自然语言处理技术和机器人与在餐厅自助点餐亭订购食物的用户进行交互。 第8章讨论如何将强化学习用于智能交通路口，实现交通信号灯决策，从而减少等待时间并让交通更畅通。 第9章讨论将预先训练的机器学习模型应用于边缘设备的各种方法，将详细讨论IoT Edge部署对AI Pipeline的重要性，还介绍如何使用TensorFlow.js和Java将模型部署到Web应用程序和移动设备。  掌握技巧 为了充分掌握本书，读者应对软件开发有基本的了解，并对本书使用的Python、C及Java等语言具备基本的了解。 本书使用的硬件是现成的传感器和常见的IoT开发套件，可以从Adafruit.com和 Amazon.com等网站购买。大多数代码可以跨设备移植。用Python语言编写的代码可以轻松移植到各种微处理器，包括Raspberry Pi、NVIDIA Jetson、Lotte Panda甚至计算机。用C语言编写的代码可以移植到各种微控制器，包括ESP32、ESP8266和Arduino。用Java语言编写的代码可以移植到任何Android设备，包括平板电脑和手机。 本书使用Databricks进行实验，免费版本可到其官网下载。  资源分享 本书提供全部代码资源，可扫描下方的二维码下载。  文本惯例 本书中使用了许多文本惯例。 代码设置如下： import numpy as np import torch from torch import nn from torch import optim import torch.nn.functional as F from torchvision import datasets， transforms， models from torch.utils.data.sampler import SubsetRandomSampler 命令行的输入或输出写成如下样式： pip install deap 粗体字表示一个新的术语，一个重要的单词，或屏幕上显示的单词。

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	台灣用户　|　香港/海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.