Kézzelfogható mesterséges intelligencia az IoT számára

Értékelés:   (4.0 az 5-ből)

Kézzelfogható mesterséges intelligencia az IoT számára (Amita Kapoor)

Olvasói vélemények

Összegzés:

A könyv átfogó és gyakorlatias megközelítést kínál a mesterséges intelligenciáról, és számos témát tárgyal, beleértve a gépi tanulást, a mély tanulást és a fejlett algoritmusokat a tárgyak internetének összefüggésében. Az olvasók nagyra értékelik a tartalmi mélysége és a gyakorlati példák miatt.

Előnyök:

A mesterséges intelligencia témáinak mélyreható lefedése
gyakorlatias kódolási megközelítés
tartalmazza az IoT szempontjából lényeges eszközöket, adatkészleteket és algoritmusokat
jól szervezett szerkezet
az olvasók által erősen ajánlott.

Hátrányok:

Többet lehetne foglalkozni a felhő- és az Edge-technológiákkal.

(4 olvasói vélemény alapján)

Eredeti címe:

Hands-On Artificial Intelligence for IoT

Könyv tartalma:

Építsen okosabb rendszereket a mesterséges intelligencia és a tárgyak internete - napjaink két legvitatottabb témája - egyesítésével Főbb jellemzők Az IoT-adatok feldolgozása és az eredmények valós idejű előrejelzése - a gépi tanulás, a mélytanulás, a természetes nyelvi feldolgozás és más eszközök segítségével Használja ki a két legnépszerűbb Python-könyvtár - Tensorflow és Keras - erejét, hogy intelligens IoT-modelleket építsen, amelyek valós idejű adatokon dolgoznak Tartalmaz gyakorlati esettanulmányokat az IoT négy fő alkalmazási területéről - beleértve az ipari IoT-t, az intelligens városokat és az otthoni automatizálást Könyvismertető

Számos olyan alkalmazás létezik, amely az adattudományt és az analitikát használja arra, hogy a keletkező terabájtnyi adatból betekintést nyerjen. Ezek az alkalmazások nem foglalkoznak azzal a kihívással, hogy folyamatosan mintákat fedezzenek fel az IoT-adatokban. Ebben a könyvben a mesterséges intelligencia(AI) különböző aspektusait és annak megvalósítását mutatjuk be, amelyet felhasználhat IoT-megoldásai okosabbá tételéhez.

Ez a könyv az elosztott forrásokból gyűjtött IoT-adatok összegyűjtésével és előfeldolgozásával kezdődik. Megtanítja a mesterséges intelligencia különböző technikáit, például a gépi tanulást, a mélytanulást, a megerősítő tanulást, a természetes nyelvi feldolgozást, a genetikai algoritmusokat és még sok mást az intelligens IoT-rendszerek kiépítéséhez. A könyv azt is megmutatja, hogyan használhatja ki az AI erejét a viselhető eszközökből származó valós idejű adatok kezelésére. Az IoT-eszközök által generált és fogyasztott különböző típusú adatokkal, például idősorokkal, képekkel, hanggal, videóval, szöveggel és beszéddel dolgozó modellek építésének technikái. Az IoT-megoldások négy fő alkalmazási területére vonatkozó hasznos esettanulmányok a könyv egyik fő lényege - ezek az ipari IoT, az otthoni automatizálás, a személyes IoT és az intelligens városok témaköreit ölelik fel. A könyv során a népszerűen használt Python-könyvtárak, a Tensorflow és a Keras erejét fogja kihasználni a különböző típusú intelligens AI-modellek létrehozásához.

A könyv végére már Ön is jól fogja érezni magát az intelligens, mesterséges intelligenciával működő IoT-alkalmazások készítésében. Amit megtanulhat Különböző AI-technikák alkalmazása, beleértve a gépi tanulást és a mély tanulást a TensorFlow és a Keras használatával Genetikus algoritmusok, megerősítő tanulás, generatív adverzális hálózatok alkalmazása intelligens IoT-rendszerek építéséhez Különböző elosztott forrásokból származó adatok elérése és feldolgozása Felügyelt és felügyelet nélküli gépi tanulás végrehajtása IoT-adatokhoz IoT-adatok elosztott feldolgozása az Apache Sparkon keresztül az MLLib és a H2O használatával. AI-platformok A különböző felhőplatformok, például a Google Compute Engine és az Azure konfigurálása és használata az IoT számára, hogy kihasználhassa a felhőben lévő AI-t. Idősoros adatok előrejelzése mélytanulási módszerek segítségével Képek és valós idejű videók feldolgozása Szöveg-, hang- és beszédadatok kezelése az IoT-rendszerben Egyedi betekintést nyerhet a viselhető eszközökből és okoseszközökből nyert adatokból Gyakorlati tanulás az AI megvalósításáról a személyes IoT, az ipari IoT és az intelligens városok esettanulmányaiból Kiknek szól ez a könyv?

Ha Ön egy adattudományi szakember vagy egy gépi tanulási fejlesztő, aki intelligens rendszereket szeretne építeni az IoT számára, akkor ez a könyv Önnek szól. Ha szeretné megtanulni, hogyan használhatók a népszerű mesterséges intelligencia (AI) technikák a tárgyak internetének területén, ez az útmutató szintén hasznára válik. A gépi tanulás fogalmainak alapszintű ismerete szükséges ahhoz, hogy a legtöbbet hozhassa ki ebből a könyvből.

A könyv egyéb adatai:

ISBN:9781788836067
Szerző:
Kiadó:
Kötés:Puha kötés

Vásárlás:

Jelenleg kapható, készleten van.

A szerző további könyvei:

Kézzelfogható mesterséges intelligencia az IoT számára - Hands-On Artificial Intelligence for...
Építsen okosabb rendszereket a mesterséges...
Kézzelfogható mesterséges intelligencia az IoT számára - Hands-On Artificial Intelligence for IoT
Deep Learning with TensorFlow and Keras - Harmadik kiadás: Felügyelt, felügyelet nélküli, mély és...
Élenjáró gépi és mélytanulási rendszerek építése...
Deep Learning with TensorFlow and Keras - Harmadik kiadás: Felügyelt, felügyelet nélküli, mély és megerősítéses tanulási modellek készítése és telepítése - Deep Learning with TensorFlow and Keras - Third Edition: Build and deploy supervised, unsupervised, deep, and reinforcement learning models
Platform- és modelltervezés a felelős mesterséges intelligenciáért: rugalmas, privát, tisztességes...
Etikus mesterséges intelligencia projektek...
Platform- és modelltervezés a felelős mesterséges intelligenciáért: rugalmas, privát, tisztességes és átlátható gépi tanulási modellek tervezése és építése - Platform and Model Design for Responsible AI: Design and build resilient, private, fair, and transparent machine learning models

A szerző munkáit az alábbi kiadók adták ki:

© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)