AIoT系统开发:基于机器学习和Python深度学习

AIoT系统开发:基于机器学习和Python深度学习
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者: [印度] (Amita Kapoor) , , ,
2021-09
版次: 1
ISBN: 9787111688082
定价: 89.00
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 268页
  • 本书重点阐述利用机器学习、深度学习、自然语言处理等多种方法,以及当前流行的Python库――Tensorflow和Keras构建实时数据的智能物联网IOT系统。还给出了工业物联网、智能城市和家庭自动化等物联网主要应用领域的实际案例。 译者序 

    前言 

    作者简介 

    审阅者简介 

    第1章 物联网与人工智能的原理和基础 1 

    11 什么是物联网 1 

    111 物联网参考模型 3 

    112 物联网平台 4 

    113 物联网垂直领域 4 

    12 大数据和物联网 5 

    13 人工智能的注入:物联网中的数据科学 6 

    131 数据挖掘跨行业标准流程 7 

    132 人工智能平台和物联网平台 8 

    14 本书使用的工具 9 

    141 TensorFlow 9 

    142 Keras 10 

    143 数据集 11 

    15 小结 13 

    第2章 面向物联网的数据访问和分布式处理 14 

    21 TXT格式 14 

    211 使用Python读写TXT文件 15 

    22 CSV格式 16 

    221 使用csv模块读写CSV文件 16 

    222 使用pandas模块读写CSV文件 18 

    223 使用NumPy模块读写CSV文件 20 

    23 XLSX格式 20 

    231 使用OpenPyXl模块读写XLSX文件 21 

    232 使用pandas模块读写XLSX文件 22 

    24 JSON格式 22 

    241 使用JSON模块读写JSON文件 22 

    242 使用pandas模块读写JSON文件 23 

    25 HDF5格式 24 

    251 使用PyTables模块读写HDF5文件 24 

    252 使用pandas模块读写HDF5文件 25 

    253 使用h5py模块读写HDF5文件 26 

    26 SQL数据 27 

    261 SQLite数据库引擎 27 

    262 MySQL数据库引擎 29 

    27 NoSQL数据 29 

    28 HDFS分布式文件系统 31 

    281 使用hdfs3模块操作HDFS 31 

    282 使用PyArrow 的文件系统接口操作HDFS 32 

    29 小结 32 

    第3章 用于物联网的机器学习 33 

    31 机器学习与物联网 33 

    32 学习范式 34 

    33 用线性回归进行预测 35 

    331 用回归预测电力输出 36 

    34 分类的逻辑回归 39 

    341 交叉熵损失函数 40 

    342 用逻辑回归分类葡萄酒 40 

    35 用支持向量机分类 42 

    351 最大间隔分类超平面 43 

    352 核技巧 44 

    353 用SVM分类葡萄酒 45 

    36 朴素贝叶斯分类器 47 

    361 用高斯朴素贝叶斯分类器评估葡萄酒质量 47 

    37 决策树 49 

    371 scikit 中的决策树 51 

    372 决策树实践 52 

    38 集成学习 54 

    381 投票分类器 54 

    382 bagging与pasting 55 

    39 改进模型的窍门与技巧 56 

    391 特征缩放以解决不均匀的数据尺度 56 

    392 过拟合 57 

    393 “没有免费的午餐”定理 58 

    394 超参数调整和网格搜索 58 

    310 小结 59 

    第4章 用于物联网的深度学习 60 

    41 深度学习基础 60 

    411 深度学习为何如此流行 62 

    412 人工神经元 62 

    413 在TensorFlow中建模单个神经元 67 

    42 用于回归和分类任务的多层感知器 71 

    421 反向传播算法 72 

    422 使用TensorFlow中的MLP进行电力输出预测 74 

    423 使用TensorFlow中的MLP进行葡萄酒质量分类 77 

    43 卷积神经网络 80 

    431 CNN中的不同层 80 

    432 一些流行的CNN模型 83 

    433 用LeNet识别手写数字 84 

    44 递归神经网络 88 

    441 长短时记忆网络 90 

    442 门控递归单元 93 

    45 自编码器 94 

    451 去噪自编码器 95 

    452 变分自编码器 95 

    46 小结 96 

    第5章 用于物联网的遗传算法 97 

    51 优化 97 

    511 确定与分析方法 99 

    512 自然优化方法 101 

    52 遗传算法概论 103 

    521 遗传算法 104 

    522 优点与缺点 106 

    53 使用Python中的分布式进化算法编写遗传算法代码 107 

    531 猜词 107 

    532 CNN架构的遗传算法 111 

    533 用于LSTM优化的遗传算法 117 

    54 小结 120 

    第6章 用于物联网的强化学习 121 

    61 引言 121 

    611 强化学习术语 122 

    612 成功案例 125 

    62 仿真环境 126 

    621 OpenAI gym 127 

    63 Q-学习 129 

    631 用Q-表解决出租车落客问题 130 

    64 Q-网络 132 

    641 用Q-网络解决出租车落客问题 133 

    642 用DQN玩Atari游戏 135 

    643 双DQN 143 

    644 决斗 DQN 143 

    65 策略梯度 144 

    651 为何使用策略梯度 145 

    652 使用策略梯度玩Pong游戏 145 

    653 演员C评论家算法 149 

    66 小结 150 

    第7章 用于物联网的生成式模型 151 

    71 引言 152 

    72 用VAE生成图像 152 

    721 在TensorFlow中实现VAE 153 

    73 GAN 158 

    731 在TensorFlow中实现vanilla GAN 159 

    732 深度卷积GAN 163 

    733 GAN的变体及其应用 168 

    74 小结 170 

    第8章 面向物联网的分布式人工智能 171 

    81 引言 171 

    811 Spark组件 172 

    82 Apache MLlib 173 

    821 MLlib中的回归 173 

    822 MLlib中的分类 177 

    823 使用SparkDL的迁移学习 179 

    83 H2Oai简介 183 

    831 H2O AutoML 184 

    832 H2O中的回归 184 

    833 H2O中的分类 189 

    84 小结 191 

    第9章 个人物联网和家庭物联网 193 

    91 个人物联网 193 

    911 MIT的超级鞋 194 

    912 持续血糖监测 195 

    913 心律监测器 198 

    914 数字助理 200 

    92 物联网和智能家居 200 

    921 人类活动识别 201 

    922 智能照明 206 

    923 家庭监控 207 

    93 小结 208 

    第10章 人工智能用于工业物联网 209 

    101 人工智能工业物联网简介 209 

     1011 一些有趣的用例 210 

    102 使用人工智能进行预测性维护 211 

     1021 使用长短时记忆网络的预测性维护 212 

     1022 预测性维护的优缺点 221 

    103 工业用电负荷预测 222 

     1031 使用LSTM实现STLF 222 

    104 小结 225 

    第11章 人工智能用于智慧城市物联网 226 

    111 为什么需要智慧城市 226 

    112 智慧城市的组成部分 227 

     1121 智能交通管理 228 

     1122 智能停车 228 

     1123 智能垃圾管理 229 

     1124 智能警务 230 

     1125 智能照明 230 

     1126 智能治理 231 

    113 适应智慧城市的物联网和必要步骤 231 

     1131 拥有开放数据的城市 232 

     1132 利用旧金山的犯罪数据来侦查犯罪 234 

    114 挑战和收益 236 

    115 小结 237 

    第12章 组合应用 238 

    121 处理不同类型的数据 238 

     1211 时间序列建模 239 

     1212 文本数据预处理 243 

     1213 图像的数据增强 245 

     1214 视频文件处理 247 

     1215 音频文件作为输入数据 248 

    122 云计算 251 

     1221 AWS 251 

     1222 谷歌云平台 252 

     1223 微软Azure 252 

    123 小结 252
  • 内容简介:
    本书重点阐述利用机器学习、深度学习、自然语言处理等多种方法,以及当前流行的Python库――Tensorflow和Keras构建实时数据的智能物联网IOT系统。还给出了工业物联网、智能城市和家庭自动化等物联网主要应用领域的实际案例。
  • 目录:
    译者序 

    前言 

    作者简介 

    审阅者简介 

    第1章 物联网与人工智能的原理和基础 1 

    11 什么是物联网 1 

    111 物联网参考模型 3 

    112 物联网平台 4 

    113 物联网垂直领域 4 

    12 大数据和物联网 5 

    13 人工智能的注入:物联网中的数据科学 6 

    131 数据挖掘跨行业标准流程 7 

    132 人工智能平台和物联网平台 8 

    14 本书使用的工具 9 

    141 TensorFlow 9 

    142 Keras 10 

    143 数据集 11 

    15 小结 13 

    第2章 面向物联网的数据访问和分布式处理 14 

    21 TXT格式 14 

    211 使用Python读写TXT文件 15 

    22 CSV格式 16 

    221 使用csv模块读写CSV文件 16 

    222 使用pandas模块读写CSV文件 18 

    223 使用NumPy模块读写CSV文件 20 

    23 XLSX格式 20 

    231 使用OpenPyXl模块读写XLSX文件 21 

    232 使用pandas模块读写XLSX文件 22 

    24 JSON格式 22 

    241 使用JSON模块读写JSON文件 22 

    242 使用pandas模块读写JSON文件 23 

    25 HDF5格式 24 

    251 使用PyTables模块读写HDF5文件 24 

    252 使用pandas模块读写HDF5文件 25 

    253 使用h5py模块读写HDF5文件 26 

    26 SQL数据 27 

    261 SQLite数据库引擎 27 

    262 MySQL数据库引擎 29 

    27 NoSQL数据 29 

    28 HDFS分布式文件系统 31 

    281 使用hdfs3模块操作HDFS 31 

    282 使用PyArrow 的文件系统接口操作HDFS 32 

    29 小结 32 

    第3章 用于物联网的机器学习 33 

    31 机器学习与物联网 33 

    32 学习范式 34 

    33 用线性回归进行预测 35 

    331 用回归预测电力输出 36 

    34 分类的逻辑回归 39 

    341 交叉熵损失函数 40 

    342 用逻辑回归分类葡萄酒 40 

    35 用支持向量机分类 42 

    351 最大间隔分类超平面 43 

    352 核技巧 44 

    353 用SVM分类葡萄酒 45 

    36 朴素贝叶斯分类器 47 

    361 用高斯朴素贝叶斯分类器评估葡萄酒质量 47 

    37 决策树 49 

    371 scikit 中的决策树 51 

    372 决策树实践 52 

    38 集成学习 54 

    381 投票分类器 54 

    382 bagging与pasting 55 

    39 改进模型的窍门与技巧 56 

    391 特征缩放以解决不均匀的数据尺度 56 

    392 过拟合 57 

    393 “没有免费的午餐”定理 58 

    394 超参数调整和网格搜索 58 

    310 小结 59 

    第4章 用于物联网的深度学习 60 

    41 深度学习基础 60 

    411 深度学习为何如此流行 62 

    412 人工神经元 62 

    413 在TensorFlow中建模单个神经元 67 

    42 用于回归和分类任务的多层感知器 71 

    421 反向传播算法 72 

    422 使用TensorFlow中的MLP进行电力输出预测 74 

    423 使用TensorFlow中的MLP进行葡萄酒质量分类 77 

    43 卷积神经网络 80 

    431 CNN中的不同层 80 

    432 一些流行的CNN模型 83 

    433 用LeNet识别手写数字 84 

    44 递归神经网络 88 

    441 长短时记忆网络 90 

    442 门控递归单元 93 

    45 自编码器 94 

    451 去噪自编码器 95 

    452 变分自编码器 95 

    46 小结 96 

    第5章 用于物联网的遗传算法 97 

    51 优化 97 

    511 确定与分析方法 99 

    512 自然优化方法 101 

    52 遗传算法概论 103 

    521 遗传算法 104 

    522 优点与缺点 106 

    53 使用Python中的分布式进化算法编写遗传算法代码 107 

    531 猜词 107 

    532 CNN架构的遗传算法 111 

    533 用于LSTM优化的遗传算法 117 

    54 小结 120 

    第6章 用于物联网的强化学习 121 

    61 引言 121 

    611 强化学习术语 122 

    612 成功案例 125 

    62 仿真环境 126 

    621 OpenAI gym 127 

    63 Q-学习 129 

    631 用Q-表解决出租车落客问题 130 

    64 Q-网络 132 

    641 用Q-网络解决出租车落客问题 133 

    642 用DQN玩Atari游戏 135 

    643 双DQN 143 

    644 决斗 DQN 143 

    65 策略梯度 144 

    651 为何使用策略梯度 145 

    652 使用策略梯度玩Pong游戏 145 

    653 演员C评论家算法 149 

    66 小结 150 

    第7章 用于物联网的生成式模型 151 

    71 引言 152 

    72 用VAE生成图像 152 

    721 在TensorFlow中实现VAE 153 

    73 GAN 158 

    731 在TensorFlow中实现vanilla GAN 159 

    732 深度卷积GAN 163 

    733 GAN的变体及其应用 168 

    74 小结 170 

    第8章 面向物联网的分布式人工智能 171 

    81 引言 171 

    811 Spark组件 172 

    82 Apache MLlib 173 

    821 MLlib中的回归 173 

    822 MLlib中的分类 177 

    823 使用SparkDL的迁移学习 179 

    83 H2Oai简介 183 

    831 H2O AutoML 184 

    832 H2O中的回归 184 

    833 H2O中的分类 189 

    84 小结 191 

    第9章 个人物联网和家庭物联网 193 

    91 个人物联网 193 

    911 MIT的超级鞋 194 

    912 持续血糖监测 195 

    913 心律监测器 198 

    914 数字助理 200 

    92 物联网和智能家居 200 

    921 人类活动识别 201 

    922 智能照明 206 

    923 家庭监控 207 

    93 小结 208 

    第10章 人工智能用于工业物联网 209 

    101 人工智能工业物联网简介 209 

     1011 一些有趣的用例 210 

    102 使用人工智能进行预测性维护 211 

     1021 使用长短时记忆网络的预测性维护 212 

     1022 预测性维护的优缺点 221 

    103 工业用电负荷预测 222 

     1031 使用LSTM实现STLF 222 

    104 小结 225 

    第11章 人工智能用于智慧城市物联网 226 

    111 为什么需要智慧城市 226 

    112 智慧城市的组成部分 227 

     1121 智能交通管理 228 

     1122 智能停车 228 

     1123 智能垃圾管理 229 

     1124 智能警务 230 

     1125 智能照明 230 

     1126 智能治理 231 

    113 适应智慧城市的物联网和必要步骤 231 

     1131 拥有开放数据的城市 232 

     1132 利用旧金山的犯罪数据来侦查犯罪 234 

    114 挑战和收益 236 

    115 小结 237 

    第12章 组合应用 238 

    121 处理不同类型的数据 238 

     1211 时间序列建模 239 

     1212 文本数据预处理 243 

     1213 图像的数据增强 245 

     1214 视频文件处理 247 

     1215 音频文件作为输入数据 248 

    122 云计算 251 

     1221 AWS 251 

     1222 谷歌云平台 252 

     1223 微软Azure 252 

    123 小结 252
查看详情
相关图书 / 更多
AIoT系统开发:基于机器学习和Python深度学习
AI岐黄:中医大脑重症医案集
[美]林大栋、张灿宏 著
AIoT系统开发:基于机器学习和Python深度学习
AI新基建 : 数智化浪潮下的商业变革与产业机遇
梁洪波 王雷 杨爱喜
AIoT系统开发:基于机器学习和Python深度学习
AI游戏开发和深度学习进阶
[日]伊庭齐志
AIoT系统开发:基于机器学习和Python深度学习
AI作文-小学生小考满分作文大全 得分策略+提分要诀+核心要素+构思导图+名师点评 小升初优秀作文素材大全三3四4五5六6年级语文写作文专项训练押题考场获奖书分类作文阅读老师推荐小学生课外阅读必读书籍
桂帜明 著
AIoT系统开发:基于机器学习和Python深度学习
AI到来
克里斯·达菲
AIoT系统开发:基于机器学习和Python深度学习
AI源码解读:机器学习案例(Python版)
李永华
AIoT系统开发:基于机器学习和Python深度学习
AI源码解读:循环神经网络(RNN)深度学习案例(Python版)
李永华 曲宗峰 李红伟
AIoT系统开发:基于机器学习和Python深度学习
AI商业化
[日]石川聪彦
AIoT系统开发:基于机器学习和Python深度学习
AI实战 全球50家知名企业人工智能应用实例
[英]伯纳德·马尔(Bernard Marr);[英]马特·沃德(Matt Wa
AIoT系统开发:基于机器学习和Python深度学习
AI作文-小学生获奖作文大全 老师推荐3三4四5五6六年级语文作文训练辅导书 优秀作文选范文大全 小学生满分类获奖作文起步素材大全 小学生课外阅读必读书籍8-10-12-14岁写人写景想象的作文带批注
桂帜明 著
AIoT系统开发:基于机器学习和Python深度学习
AI作文-小学生作文大全 老师推荐三3四4五5六6年级语文写作文训练辅导教材教辅 课堂优秀满分类获奖作文选范文素材大全 小学生语文写作技巧课外阅读书籍必读辅导书选写人写景写事写物想象的作文带批注
桂帜明
AIoT系统开发:基于机器学习和Python深度学习
AI梦时代——月海空城
汪鑫 著
您可能感兴趣 / 更多
AIoT系统开发:基于机器学习和Python深度学习
精通Linux内核开发
[印度]拉古·巴拉德瓦杰(Raghu Bharadwaj) 著;白浩文、文平波 译
AIoT系统开发:基于机器学习和Python深度学习
茉莉和青春(梵语文学译丛)
[印度]薄婆菩提 著;黄宝生 译
AIoT系统开发:基于机器学习和Python深度学习
牛津通识读本:微观经济学(中英双语)
[印度]阿维纳什.迪克西特 著;陆赟 译
AIoT系统开发:基于机器学习和Python深度学习
质性研究——基于R(管理研究方法丛书)
[印度尼西亚]蔡振荣(Yanto Chandra) 著
AIoT系统开发:基于机器学习和Python深度学习
极简古代埃及史
[印度]谢琳·瑞特纳加
AIoT系统开发:基于机器学习和Python深度学习
泰戈尔诗选(名著课程化·整本书阅读丛书 九年级上)
[印度]泰戈尔 著;冰心 石真 郑振铎 译
AIoT系统开发:基于机器学习和Python深度学习
极简世界史
[印度]罗森·达拉尔
AIoT系统开发:基于机器学习和Python深度学习
神奇的大脑训练游戏(全3册)
[印度]神奇书屋 著;竹马书坊 译
AIoT系统开发:基于机器学习和Python深度学习
步步精进:临床胚胎学与辅助生殖技术
[印度]Lt Col Pankaj Talwar 著;陈子江 译
AIoT系统开发:基于机器学习和Python深度学习
数据融合数学方法——理论与实践
[印度]JitendraR.Raol(吉德拉·R 著
AIoT系统开发:基于机器学习和Python深度学习
学而思大语文分级阅读·第一学段第三辑·愿望的实现1~2年级
[印度]泰戈尔 著;学而思教研中心< 编
AIoT系统开发:基于机器学习和Python深度学习
新月集·飞鸟集(中小学生阅读指导目录)
[印度]泰戈尔 著;郑振铎 译