未读消息消息

店铺

我的订单收藏

拍卖

拍卖交易我的竞拍收藏

我的好友资金账户

客服 |

帮助中心 9:00-20:30 在线留言

客服电话

010-89648155

服务时间

客服咨询 8:00-21:00

纠纷处理 9:00-21:00

图书审核 9:00-18:00

监督与建议

请选择

手机孔网

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

作者: [印度] 阿米塔·卡普尔（Amita Kapoor）著 , 林杰译 , 齐飞译 , 刘丹华译

出版社: 机械工业出版社

出版时间: 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

分类: 计算机与互联网

2人买过

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

相关分类

计算机理论编程与开发操作系统大数据与云计算图形图像/多媒体网站设计与网页开发网络与通讯硬件、嵌入式开发办公软件信息安全辅助设计与工程计算软件工程/开发项目管理