91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
邊緣人工智能
邊緣人工智能
Daniel Situnayake, Jenny Plunkett 著
王健宗, 瞿曉陽, 張楠, 洪振厚 譯
出版時間：2025年05月
頁數(shù)：399
“本書將現(xiàn)代人工智能技術(shù)與嵌入式系統(tǒng)相結(jié)合，提供了出色的入門指南?！?br /> ——Elecia White
Making Embedded Systems的作者，以及Embedded播客的主持人
“任何踏入這個令人興奮的新領(lǐng)域的人，都將從本書提供的深刻見解和清晰思維中受益?！?br /> ——Aurélien Geron
YouTube自動視頻分類團(tuán)隊(duì)前負(fù)責(zé)人，暢銷書作家
“我可以想象它會被用作參考書，一次又一次地被讀者查閱?！?br /> ——Fran Baker
Arm可持續(xù)發(fā)展和社會影響總監(jiān)
邊緣人工智能正在改變計(jì)算機(jī)與真實(shí)世界交互的方式，使物聯(lián)網(wǎng)設(shè)備能夠利用之前因成本、帶寬或功耗限制而被丟棄的99%的傳感器數(shù)據(jù)來做出決策。借助嵌入式機(jī)器學(xué)習(xí)等技術(shù)，開發(fā)人員能夠捕捉人類的直覺，并將其應(yīng)用于各種目標(biāo)——從超低功耗微控制器到嵌入式Linux設(shè)備。
這本實(shí)用指南為工程專業(yè)人士提供了一個完整的框架，用于解決工業(yè)、商業(yè)和科學(xué)領(lǐng)域的實(shí)際問題，適用于產(chǎn)品經(jīng)理和技術(shù)領(lǐng)導(dǎo)者。你將深入了解從數(shù)據(jù)收集到模型優(yōu)化、調(diào)整和測試的每個階段，學(xué)習(xí)如何設(shè)計(jì)和支持邊緣人工智能和嵌入式機(jī)器學(xué)習(xí)產(chǎn)品。邊緣人工智能將成為系統(tǒng)工程師的標(biāo)準(zhǔn)工具，這份高層次的路線圖將幫助你快速入門。
通過閱讀本書，你將：
● 增強(qiáng)你在邊緣設(shè)備上人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的專業(yè)知識。
● 了解哪些項(xiàng)目最適合使用邊緣人工智能來完成。
● 探索邊緣人工智能應(yīng)用的關(guān)鍵設(shè)計(jì)模式。
● 掌握一種用于開發(fā)人工智能系統(tǒng)的迭代工作流。
● 構(gòu)建一個擁有解決實(shí)際問題技能的團(tuán)隊(duì)。
● 遵循負(fù)責(zé)任的人工智能流程來創(chuàng)造有效的產(chǎn)品。
  1. 序
  2. 前言
  3. 第1章 邊緣人工智能簡介
  4. 1.1 關(guān)鍵術(shù)語定義
  5. 1.1.1 嵌入式
  6. 1.1.2 邊緣端和物聯(lián)網(wǎng)
  7. 1.1.3 人工智能
  8. 1.1.4 機(jī)器學(xué)習(xí)
  9. 1.1.5 邊緣人工智能
  10. 1.1.6 嵌入式機(jī)器學(xué)習(xí)和微型機(jī)器學(xué)習(xí)
  11. 1.1.7 數(shù)字信號處理
  12. 1.2 為什么需要邊緣人工智能
  13. 1.2.1 理解邊緣人工智能的好處（BLERP）
  14. 1.2.2 邊緣人工智能的作用
  15. 1.2.3 邊緣人工智能與常規(guī)人工智能之間的主要區(qū)別
  16. 1.3 總結(jié)
  17. 第2章 現(xiàn)實(shí)世界中的邊緣人工智能
  18. 2.1 邊緣人工智能的常見用例
  19. 2.1.1 綠地和棕地項(xiàng)目
  20. 2.1.2 現(xiàn)實(shí)世界的產(chǎn)品
  21. 2.2 應(yīng)用類型
  22. 2.2.1 物體追蹤
  23. 2.2.2 理解和控制系統(tǒng)
  24. 2.2.3 了解人和生物
  25. 2.2.4 信號轉(zhuǎn)換
  26. 2.3 負(fù)責(zé)任地創(chuàng)建應(yīng)用
  27. 2.3.1 負(fù)責(zé)任的設(shè)計(jì)和人工智能倫理
  28. 2.3.2 黑盒和偏差
  29. 2.3.3 保持謹(jǐn)慎
  30. 2.4 總結(jié)
  31. 第3章 邊緣人工智能的硬件
  32. 3.1 傳感器、信號和數(shù)據(jù)源
  33. 3.1.1 傳感器和信號的類型
  34. 3.1.2 聲學(xué)與振動
  35. 3.1.3 視覺與場景
  36. 3.1.4 運(yùn)動與位置
  37. 3.1.5 力與觸覺
  38. 3.1.6 光學(xué)、電磁和輻射
  39. 3.1.7 環(huán)境、生物和化學(xué)
  40. 3.1.8 其他信號
  41. 3.2 邊緣人工智能處理器
  42. 3.2.1 邊緣人工智能硬件架構(gòu)
  43. 3.2.2 微控制器和數(shù)字信號處理器
  44. 3.2.3 片上系統(tǒng)
  45. 3.2.4 深度學(xué)習(xí)加速器
  46. 3.2.5 FPGA和 ASIC
  47. 3.2.6 邊緣服務(wù)器
  48. 3.2.7 多設(shè)備架構(gòu)
  49. 3.2.8 設(shè)備和工作
  50. 3.3 總結(jié)
  51. 第4章 邊緣人工智能算法
  52. 4.1 特征工程
  53. 4.1.1 處理數(shù)據(jù)流
  54. 4.1.2 數(shù)字信號處理算法
  55. 4.1.3 結(jié)合特征與傳感器
  56. 4.2 人工智能算法
  57. 4.2.1 按功能劃分的算法類型
  58. 4.2.2 按實(shí)現(xiàn)方式劃分的算法類型
  59. 4.2.3 邊緣設(shè)備的優(yōu)化
  60. 4.2.4 在設(shè)備上訓(xùn)練
  61. 4.3 總結(jié)
  62. 第5章 工具與專業(yè)知識
  63. 5.1 為邊緣人工智能組建團(tuán)隊(duì)
  64. 5.1.1 領(lǐng)域?qū)I(yè)知識
  65. 5.1.2 多元化
  66. 5.1.3 利益相關(guān)者
  67. 5.1.4 角色與責(zé)任
  68. 5.1.5 邊緣人工智能的招聘
  69. 5.1.6 學(xué)習(xí)邊緣人工智能技能
  70. 5.2 行業(yè)工具
  71. 5.2.1 軟件工程
  72. 5.2.2 使用數(shù)據(jù)
  73. 5.2.3 算法開發(fā)
  74. 5.2.4 在設(shè)備上運(yùn)行算法
  75. 5.2.5 嵌入式軟件工程與電子技術(shù)
  76. 5.2.6 邊緣人工智能的端到端平臺
  77. 5.3 總結(jié)
  78. 第6章 理解和構(gòu)建問題
  79. 6.1 邊緣人工智能工作流程
  80. 6.2 我需要邊緣人工智能嗎
  81. 6.2.1 描述一個問題
  82. 6.2.2 我需要部署到邊緣嗎
  83. 6.2.3 我需要機(jī)器學(xué)習(xí)嗎
  84. 6.2.4 實(shí)踐練習(xí)
  85. 6.3 確定可行性
  86. 6.3.1 道德可行性
  87. 6.3.2 商業(yè)可行性
  88. 6.3.3 數(shù)據(jù)集可行性
  89. 6.3.4 技術(shù)可行性
  90. 6.3.5 做最后的決定
  91. 6.3.6 規(guī)劃一個邊緣人工智能項(xiàng)目
  92. 6.4 總結(jié)
  93. 第7章 如何構(gòu)建一個數(shù)據(jù)集
  94. 7.1 數(shù)據(jù)集是什么樣的
  95. 7.2 理想的數(shù)據(jù)集
  96. 7.3 數(shù)據(jù)集和領(lǐng)域?qū)I(yè)知識
  97. 7.4 數(shù)據(jù)、道德和負(fù)責(zé)任的人工智能
  98. 7.4.1 盡量減少未知因素
  99. 7.4.2 確保領(lǐng)域?qū)I(yè)知識
  100. 7.5 以數(shù)據(jù)為中心的機(jī)器學(xué)習(xí)
  101. 7.6 估計(jì)數(shù)據(jù)要求
  102. 7.7 掌握數(shù)據(jù)
  103. 7.8 存儲和檢索數(shù)據(jù)
  104. 7.8.1 讓數(shù)據(jù)進(jìn)入存儲庫
  105. 7.8.2 收集元數(shù)據(jù)
  106. 7.9 確保數(shù)據(jù)質(zhì)量
  107. 7.9.1 確保數(shù)據(jù)集的代表性
  108. 7.9.2 通過抽樣審查數(shù)據(jù)
  109. 7.9.3 標(biāo)簽噪聲
  110. 7.9.4 常見的數(shù)據(jù)錯誤
  111. 7.9.5 漂移和偏移
  112. 7.9.6 錯誤的不均勻分布
  113. 7.10 準(zhǔn)備數(shù)據(jù)
  114. 7.10.1 標(biāo)記
  115. 7.10.2 格式化
  116. 7.10.3 數(shù)據(jù)清洗
  117. 7.10.4 特征工程
  118. 7.10.5 數(shù)據(jù)分割
  119. 7.10.6 數(shù)據(jù)增強(qiáng)
  120. 7.10.7 數(shù)據(jù)管道
  121. 7.11 隨著時間推移構(gòu)建數(shù)據(jù)集
  122. 7.12 總結(jié)
  123. 第8章 設(shè)計(jì)邊緣人工智能應(yīng)用
  124. 8.1 產(chǎn)品與體驗(yàn)設(shè)計(jì)
  125. 8.1.1 設(shè)計(jì)原則
  126. 8.1.2 確定解決方案的范圍
  127. 8.1.3 設(shè)定設(shè)計(jì)目標(biāo)
  128. 8.2 架構(gòu)設(shè)計(jì)
  129. 8.2.1 硬件、軟件和服務(wù)
  130. 8.2.2 基本應(yīng)用程序架構(gòu)
  131. 8.2.3 復(fù)雜的應(yīng)用程序架構(gòu)和設(shè)計(jì)模式
  132. 8.2.4 使用設(shè)計(jì)模式
  133. 8.3 設(shè)計(jì)中的選擇度量
  134. 8.4 總結(jié)
  135. 第9章 開發(fā)邊緣人工智能應(yīng)用
  136. 9.1 邊緣人工智能開發(fā)的迭代工作流程
  137. 9.1.1 探索
  138. 9.1.2 目標(biāo)設(shè)定
  139. 9.1.3 引導(dǎo)
  140. 9.1.4 測試和迭代
  141. 9.1.5 部署
  142. 9.1.6 支持
  143. 9.2 總結(jié)
  144. 第10章 評估、部署和支持邊緣人工智能應(yīng)用
  145. 10.1 評估邊緣人工智能系統(tǒng)
  146. 10.1.1 評估系統(tǒng)的方法
  147. 10.1.2 有用的指標(biāo)
  148. 10.1.3 評估技術(shù)
  149. 10.1.4 評估和負(fù)責(zé)任的人工智能
  150. 10.2 部署邊緣人工智能應(yīng)用
  151. 10.2.1 部署前任務(wù)
  152. 10.2.2 部署中任務(wù)
  153. 10.2.3 部署后任務(wù)
  154. 10.3 支持邊緣人工智能應(yīng)用
  155. 10.3.1 部署后監(jiān)控
  156. 10.3.2 改進(jìn)實(shí)時應(yīng)用程序
  157. 10.3.3 道德和長期支持
  158. 10.4 接下來會發(fā)生什么
  159. 第11章 用例：野生動物監(jiān)測
  160. 11.1 問題探索
  161. 11.2 解決方案探索
  162. 11.3 目標(biāo)設(shè)定
  163. 11.4 解決方案設(shè)計(jì)
  164. 11.4.1 現(xiàn)有的解決方案有哪些
  165. 11.4.2 解決方案設(shè)計(jì)方法
  166. 11.4.3 設(shè)計(jì)注意事項(xiàng)
  167. 11.4.4 環(huán)境影響
  168. 11.4.5 引導(dǎo)
  169. 11.4.6 定義你的機(jī)器學(xué)習(xí)類
  170. 11.5 數(shù)據(jù)集收集
  171. 11.5.1 Edge Impulse
  172. 11.5.2 選擇你的硬件和傳感器
  173. 11.5.3 數(shù)據(jù)收集
  174. 11.5.4 iNaturalist
  175. 11.5.5 數(shù)據(jù)集限制
  176. 11.5.6 數(shù)據(jù)集許可和法律義務(wù)
  177. 11.5.7 清理數(shù)據(jù)集
  178. 11.5.8 上傳數(shù)據(jù)到Edge Impulse
  179. 11.6 DSP和機(jī)器學(xué)習(xí)工作流程
  180. 11.6.1 DSP塊
  181. 11.6.2 機(jī)器學(xué)習(xí)塊
  182. 11.7 測試模型
  183. 11.7.1 實(shí)時分類
  184. 11.7.2 模型測試
  185. 11.7.3 本地測試模型
  186. 11.8 部署
  187. 11.8.1 創(chuàng)建庫
  188. 11.8.2 手機(jī)和計(jì)算機(jī)
  189. 11.8.3 預(yù)構(gòu)建二進(jìn)制固件
  190. 11.8.4 運(yùn)行Impulse
  191. 11.8.5 GitHub源代碼
  192. 11.9 迭代和反饋循環(huán)
  193. 11.10 人工智能向善
  194. 11.11 相關(guān)工作
  195. 11.11.1 數(shù)據(jù)集
  196. 11.11.2 研究
  197. 第12章 用例：食品質(zhì)量保證
  198. 12.1 問題探索
  199. 12.2 解決方案探索
  200. 12.3 目標(biāo)設(shè)定
  201. 12.4 解決方案設(shè)計(jì)
  202. 12.4.1 現(xiàn)有的解決方案有哪些
  203. 12.4.2 解決方案設(shè)計(jì)方法
  204. 12.4.3 設(shè)計(jì)注意事項(xiàng)
  205. 12.4.4 環(huán)境及社會影響
  206. 12.4.5 引導(dǎo)
  207. 12.4.6 定義你的機(jī)器學(xué)習(xí)類
  208. 12.5 數(shù)據(jù)集收集
  209. 12.5.1 Edge Impulse
  210. 12.5.2 選擇你的硬件和傳感器
  211. 12.5.3 數(shù)據(jù)收集
  212. 12.5.4 數(shù)據(jù)攝取固件
  213. 12.5.5 上傳數(shù)據(jù)到Edge Impulse
  214. 12.5.6 清理數(shù)據(jù)集
  215. 12.5.7 數(shù)據(jù)集許可和法律義務(wù)
  216. 12.6 DSP和機(jī)器學(xué)習(xí)工作流程
  217. 12.6.1 DSP塊
  218. 12.6.2 機(jī)器學(xué)習(xí)塊
  219. 12.7 測試模型
  220. 12.7.1 實(shí)時分類
  221. 12.7.2 模型測試
  222. 12.8 部署
  223. 12.8.1 預(yù)構(gòu)建二進(jìn)制固件
  224. 12.8.2 GitHub源代碼
  225. 12.9 迭代和反饋循環(huán)
  226. 12.10 相關(guān)工作
  227. 12.10.1 研究
  228. 12.10.2 新聞和其他文章
  229. 第13章 用例：消費(fèi)類產(chǎn)品
  230. 13.1 問題探索
  231. 13.2 目標(biāo)設(shè)定
  232. 13.3 解決方案設(shè)計(jì)
  233. 13.3.1 現(xiàn)有的解決方案有哪些
  234. 13.3.2 解決方案設(shè)計(jì)方法
  235. 13.3.3 設(shè)計(jì)注意事項(xiàng)
  236. 13.3.4 環(huán)境及社會影響
  237. 13.3.5 引導(dǎo)
  238. 13.3.6 定義你的機(jī)器學(xué)習(xí)類
  239. 13.4 數(shù)據(jù)集收集
  240. 13.4.1 Edge Impulse
  241. 13.4.2 選擇你的硬件和傳感器
  242. 13.4.3 數(shù)據(jù)收集
  243. 13.4.4 數(shù)據(jù)攝取固件
  244. 13.4.5 清理數(shù)據(jù)集
  245. 13.4.6 數(shù)據(jù)集許可和法律義務(wù)
  246. 13.5 DSP和機(jī)器學(xué)習(xí)工作流程
  247. 13.5.1 DSP塊
  248. 13.5.2 機(jī)器學(xué)習(xí)塊
  249. 13.6 測試模型
  250. 13.6.1 實(shí)時分類
  251. 13.6.2 模型測試
  252. 13.7 部署
  253. 13.7.1 預(yù)構(gòu)建二進(jìn)制固件
  254. 13.7.2 GitHub源代碼
  255. 13.8 迭代和反饋循環(huán)
  256. 13.9 相關(guān)工作
  257. 13.9.1 研究
  258. 13.9.2 新聞和其他文章
書名：邊緣人工智能
譯者：王健宗, 瞿曉陽, 張楠, 洪振厚 譯
國內(nèi)出版社：機(jī)械工業(yè)出版社
出版時間：2025年05月
頁數(shù)：399
書號：978-7-111-77716-8
原版書書名：AI at the Edge
原版書出版商：O'Reilly Media
Daniel Situnayake
 
Daniel Situnayake在Google領(lǐng)導(dǎo)TensorFlow Lite的開發(fā)宣傳工作，并協(xié)助運(yùn)營TinyML meetup小組。他是Tiny Farms的聯(lián)合創(chuàng)始人，這是美國第一家利用自動化技術(shù)以工業(yè)規(guī)模生產(chǎn)昆蟲蛋白的公司。
Daniel Situnayake是Edge Impulse的機(jī)器學(xué)習(xí)負(fù)責(zé)人，負(fù)責(zé)領(lǐng)導(dǎo)嵌入式機(jī)器學(xué)習(xí)的研發(fā)工作。
 
 
Jenny Plunkett
 
Jenny Plunkett是Edge Impulse的高級開發(fā)者關(guān)系工程師，也是技術(shù)宣講者、開發(fā)者布道師和技術(shù)內(nèi)容創(chuàng)作者。
 
 
本書封面上的動物是西伯利亞野山羊（Capra sibirica）。它們分布在亞洲地區(qū)，如中國、蒙古、巴基斯坦和哈薩克斯坦。西伯利亞野山羊?qū)嶋H上是一種較大的野生山羊物種。它們的皮毛顏色從深棕色到淺黃色不等，偶爾帶有紅色。雄性具有大而黑的環(huán)紋狀角，而雌性則具有較小的灰色角，并且兩性都有胡須。它們的毛色在冬季變淺，夏季變深。它們傾向于以5~30只的單性別群體的方式遷移。
西伯利亞野山羊的理想棲息地位于樹線以上的陡峭山坡和巖石碎屑區(qū)。它們甚至可以在半干旱的沙漠地帶下方低至約 700 m的地方生存。它們主要以各種草類為食，這些植物生長在矮灌叢和草原中。
盡管西伯利亞野山羊的種群數(shù)量在減少，但由于它們在自然棲息地中依然很常見，因此被視為無憂物種（Least Loncern）。它們面臨的最大威脅是被狩獵以為食和被偷獵以為樂。
購買選項(xiàng)
定價：149.00元
書號：978-7-111-77716-8
出版社：機(jī)械工業(yè)出版社