{正版现货新书} 边缘人工智能 9787111777168 [英]丹尼尔·西图纳亚克(Daniel Situnayake),[美]珍妮·普朗克特(Jenny Plunkett)

全新正版现货，以书名为准，放心购买，购书咨询18515909251朱老师

88.23 5.9折 149 全新

库存93件

北京丰台

作者[英]丹尼尔·西图纳亚克(Daniel Situnayake),[美]珍妮·普朗克特(Jenny Plunkett)

出版社机械工业

ISBN9787111777168

出版时间2024-07

装帧平装

开本16开

定价149元

货号18166890

上书时间2026-01-08

商品详情

品相描述：全新

商品描述: 作者简介
Daniel Situnayake是Edge Impulse的机器学习负责人，负责领导嵌入式机器学习的研发工作。 Jenny Plunkett是Edge Impulse的高级开发者关系工程师，是一位技术演讲者、开发者传道者和技术内容创作者。 

目录
序1 前言3 第1章边缘人工智能简介11 1.1 关键术语定义11 1.1.1 嵌入式11 1.1.2 边缘端和物联网12 1.1.3 人工智能15 1.1.4 机器学习17 1.1.5 边缘人工智能19 1.1.6 嵌入式机器学习和微型机器学习19 1.1.7 数字信号处理21 1.2 为什么需要边缘人工智能22 1.2.1 理解边缘人工智能的好处（BLERP）22 1.2.2 边缘人工智能的作用25 1.2.3 边缘人工智能与常规人工智能之间的主要区别27 1.3 总结30 第2章现实世界中的边缘人工智能31 2.1 边缘人工智能的常见用例31 2.1.1 绿地和棕地项目32 2.1.2 现实世界的产品33 2.2 应用类型37 2.2.1 物体追踪37 2.2.2 理解和控制系统39 2.2.3 了解人和生物41 2.2.4 信号转换44 2.3 负责任地创建应用46 2.3.1 负责任的设计和人工智能伦理47 2.3.2 黑盒和偏差50 2.3.3 保持谨慎52 2.4 总结55 第3章边缘人工智能的硬件56 3.1 传感器、信号和数据源56 3.1.1 传感器和信号的类型59 3.1.2 声学与振动59 3.1.3 视觉与场景60 3.1.4 运动与位置62 3.1.5 力与触觉63 3.1.6 光学、电磁和辐射64 3.1.7 环境、生物和化学65 3.1.8 其他信号65 3.2 边缘人工智能处理器67 3.2.1 边缘人工智能硬件架构67 3.2.2 微控制器和数字信号处理器69 3.2.3 片上系统73 3.2.4 深度学习加速器74 3.2.5 FPGA和 ASIC75 3.2.6 边缘服务器78 3.2.7 多设备架构78 3.2.8 设备和工作负载80 3.3 总结80 第4章边缘人工智能算法81 4.1 特征工程81 4.1.1 处理数据流81 4.1.2 数字信号处理算法 83 4.1.3 结合特征与传感器88 4.2 人工智能算法 89 4.2.1 按功能划分的算法类型 90 4.2.2 按实现方式划分的算法类型 94 4.2.3 边缘设备的优化106 4.2.4 在设备上训练109 4.3 总结111 第5章工具与专业知识112 5.1 为边缘人工智能组建团队112 5.1.1 领域专业知识113 5.1.2 多元化114 5.1.3 利益相关者116 5.1.4 角色与责任117 5.1.5 边缘人工智能的招聘120 5.1.6 学习边缘人工智能技能121 5.2 行业工具123 5.2.1 软件工程124 5.2.2 使用数据127 5.2.3 算法开发129 5.2.4 在设备上运行算法138 5.2.5 嵌入式软件工程与电子技术141 5.2.6 边缘人工智能的端到端平台145 5.3 总结150 第6章理解和构建问题151 6.1 边缘人工智能工作流程151 6.2 我需要边缘人工智能吗153 6.2.1 描述一个问题154 6.2.2 我需要部署到边缘吗154 6.2.3 我需要机器学习吗158 6.2.4 实践练习165 6.3 确定可行性165 6.3.1 道德可行性166 6.3.2 商业可行性168 6.3.3 数据集可行性170 6.3.4 技术可行性171 6.3.5 做最后的决定174 6.3.6 规划一个边缘人工智能项目175 6.4 总结177 第7章如何构建一个数据集178 7.1 数据集是什么样的178 7.2 理想的数据集179 7.3 数据集和领域专业知识181 7.4 数据、道德和负责任的人工智能182 7.4.1 尽量减少未知因素184 7.4.2 确保领域专业知识185 7.5 以数据为中心的机器学习185 7.6 估计数据要求186 7.7 掌握数据190 7.8 存储和检索数据194 7.8.1 让数据进入存储库196 7.8.2 收集元数据197 7.9 确保数据质量198 7.9.1 确保数据集的代表性199 7.9.2 通过抽样审查数据201 7.9.3 标签噪声202 7.9.4 常见的数据错误204 7.9.5 漂移和偏移206 7.9.6 错误的不均匀分布207 7.10 准备数据207 7.10.1 标记208 7.10.2 格式化217 7.10.3 数据清洗219 7.10.4 特征工程224 7.10.5 数据分割225 7.10.6 数据增强230 7.10.7 数据管道231 7.11 随着时间推移构建数据集233 7.12 总结234 第8章设计边缘人工智能应用235 8.1 产品与体验设计235 8.1.1 设计原则237 8.1.2 确定解决方案的范围239 8.1.3 设定设计目标241 8.2 架构设计244 8.2.1 硬件、软件和服务245 8.2.2 基本应用程序架构245 8.2.3 复杂的应用程序架构和设计模式251 8.2.4 使用设计模式255 8.3 设计中的选择度量256 8.4 总结259 第9章开发边缘人工智能应用260 9.1 边缘人工智能开发的迭代工作流程260 9.1.1 探索261 9.1.2 目标设定262 9.1.3 引导264 9.1.4 测试和迭代267 9.1.5 部署273 9.1.6 支持274 9.2 总结274 第10章评估、部署和支持边缘人工智能应用275 10.1 评估边缘人工智能系统275 10.1.1 评估系统的方法276 10.1.2 有用的指标279 10.1.3 评估技术289 10.1.4 评估和负责任的人工智能292 10.2 部署边缘人工智能应用292 10.2.1 部署前任务293 10.2.2 部署中任务295 10.2.3 部署后任务296 10.3 支持边缘人工智能应用296 10.3.1 部署后监控297 10.3.2 改进实时应用程序302 10.3.3 道德和长期支持304 10.4 接下来会发生什么307 第11章用例：野生动物监测308 11.1 问题探索309 11.2 解决方案探索309 11.3 目标设定310 11.4 解决方案设计310 11.4.1 现有的解决方案有哪些310 11.4.2 解决方案设计方法311 11.4.3 设计注意事项312 11.4.4 环境影响314 11.4.5 引导315 11.4.6 定义你的机器学习类315 11.5 数据集收集316 11.5.1 Edge Impulse316 11.5.2 选择你的硬件和传感器317 11.5.3 数据收集319 11.5.4 iNaturalist320 11.5.5 数据集限制323 11.5.6 数据集许可和法律义务323 11.5.7 清理数据集324 11.5.8 上传数据到Edge Impulse324 11.6 DSP和机器学习工作流程326 11.6.1 DSP块326 11.6.2 机器学习块328 11.7 测试模型334 11.7.1 实时分类335 11.7.2 模型测试337 11.7.3 本地测试模型338 11.8 部署338 11.8.1 创建库338 11.8.2 手机和计算机340 11.8.3 预构建二进制固件340 11.8.4 运行Impulse342 11.8.5 GitHub源代码342 11.9 迭代和反馈循环342 11.10 人工智能向善344 11.11 相关工作344 11.11.1 数据集345 11.11.2 研究345 第12章用例：食品质量保证347 12.1 问题探索347 12.2 解决方案探索348 12.3 目标设定348 12.4 解决方案设计349 12.4.1 现有的解决方案有哪些349 12.4.2 解决方案设计方法350 12.4.3 设计注意事项351 12.4.4 环境及社会影响352 12.4.5 引导353 12.4.6 定义你的机器学习类353 12.5 数据集收集354 12.5.1 Edge Impulse354 12.5.2 选择你的硬件和传感器354 12.5.3 数据收集355 12.5.4 数据摄取固件355 12.5.5 上传数据到Edge Impulse357 12.5.6 清理数据集359 12.5.7 数据集许可和法律义务359 12.6 DSP和机器学习工作流程360 12.6.1 DSP块361 12.6.2 机器学习块362 12.7 测试模型365 12.7.1 实时分类366 12.7.2 模型测试366 12.8 部署367 12.8.1 预构建二进制固件369 12.8.2 GitHub源代码372 12.9 迭代和反馈循环372 12.10 相关工作373 12.10.1 研究374 12.10.2 新闻和其他文章375 第13章用例：消费类产品376 13.1 问题探索376 13.2 目标设定377 13.3 解决方案设计377 13.3.1 现有的解决方案有哪些377 13.3.2 解决方案设计方法377 13.3.3 设计注意事项379 13.3.4 环境及社会影响380 13.3.5 引导381 13.3.6 定义你的机器学习类381 13.4 数据集收集381 13.4.1 Edge Impulse382 13.4.2 选择你的硬件和传感器382 13.4.3 数据收集383 13.4.4 数据摄取固件383 13.4.5 清理数据集385 13.4.6 数据集许可和法律义务386 13.5 DSP和机器学习工作流程386 13.5.1 DSP块387 13.5.2 机器学习块390 13.6 测试模型394 13.6.1 实时分类394 13.6.2 模型测试394 13.7 部署396 13.7.1 预构建二进制固件397 13.7.2 GitHub源代码397 13.8 迭代和反馈循环397 13.9 相关工作398 13.9.1 研究398 13.9.2 新闻和其他文章399

内容摘要
本书以实用、易于理解的方式介绍了新兴的、迅速发展的边缘人工智能领域。本书涵盖广泛的主题，从核心概念到最新的硬件和软件工具，内容充满了可操作的建议，并包含多个端到端示例。本书可分为两部分：第一部分介绍和讨论关键概念，帮助你了解整个领域的情况，并带你了解有助于设计和实现应用程序的实际过程；第二部分通过三个完整的用例来演示如何运用所学知识解决科学、工业和消费者项目中的实际问题。本书旨在为那些将推动这场革命的工程师、科学家、产品经理和决策者提供指导。它是针对整个领域的高层次指南，提供了一个工作流程和框架，用于利用边缘人工智能解决现实世界的问题。

主编推荐
边缘人工智能正在改变计算机与真实世界交互的方式，使物联网设备能够利用之前因成本、带宽或功耗限制而被丢弃的99%的传感器数据来做出决策。借助嵌入式机器学习等技术，开发人员能够捕捉人类的直觉，并将其应用于各种目标——从超低功耗微控制器到嵌入式Linux设备。这本实用指南为工程专业人士提供了一个完整的框架，用于解决工业、商业和科学领域的实际问题，适用于产品经理和技术领导者。你将深入了解从数据收集到模型优化、调整和测试的每个阶段，学习如何设计和支持边缘人工智能和嵌入式机器学习产品。边缘人工智能将成为系统工程师的标准工具，这份高层次的路线图将帮助你快速入门。通过阅读本书，你将：。增强你在边缘设备上人工智能和机器学习领域的专业知识。。了解哪些项目最适合使用边缘人工智能来完成。。探索边缘人工智能应用的关键设计模式。。掌握一种用于开发人工智能系统的迭代工作流。。构建一个拥有解决实际问题技能的团队。。遵循负责任的人工智能流程来创造有效的产品。

精彩内容
本书以实用、易于理解的方式介绍了新兴的、迅速发展的边缘人工智能领域。本书涵盖广泛的主题，从核心概念到最新的硬件和软件工具，内容充满了可操作的建议，并包含多个端到端示例。本书可分为两部分：第一部分介绍和讨论关键概念，帮助你了解整个领域的情况，并带你了解有助于设计和实现应用程序的实际过程；第二部分通过三个完整的用例来演示如何运用所学知识解决科学、工业和消费者项目中的实际问题。本书旨在为那些将推动这场革命的工程师、科学家、产品经理和决策者提供指导。它是针对整个领域的高层次指南，提供了一个工作流程和框架，用于利用边缘人工智能解决现实世界的问题。