Описание
В книге исследованы возможности использования искусственного интеллекта при работе с периферийными устройствами, датчиками и Интернетом вещей. Рассмотрены алгоритмы, применяемые при реализации периферийного ИИ, паттерны проектирования программных и аппаратных компонентов Интернета вещей, рассчитанных на последующее машинное обучение. Продемонстрировано, как подбирать и фильтровать данные, развертывать, развивать и поддерживать сети умных устройств.
Для специалистов по искусственному интеллекту и Интернету вещей
Парадигма периферийного, или пограничного, искусственного интеллекта (Edge AI) заставляет прямо сейчас пересматривать привычные принципы взаимодействия компьютеров с окружающей средой.
Устройства, объединенные в Интернет вещей (IoT) самостоятельно принимают решения, опираясь на те 99% сенсорных данных, которые ранее просто отбрасывались ради экономии средств, полосы передачи данных или из-за ограничений питания. При помощи таких технологий как машинное обучение для встраиваемых систем можно учитывать информацию о человеческом поведении и развертывать приложения на любой платформе – от исключительно маломощных микроконтроллеров до встраиваемых устройств, работающих под Linux.
Изучив это практическое руководство, разработчики-профессионалы, менеджеры по продукту и руководители смогут подобрать инструментарий для решения разнообразных промышленных, коммерческих и научных задач с применением периферийных вычислений. В книге исследованы все этапы рабочего процесса: сбор данных, оптимизация модели, тонкая настройка и тестирование модели. Изучив предложенный материал, можно уверенно проектировать и поддерживать устройства с искусственным интеллектом и программировать встраиваемые модули с возможностями машинного обучения. Авторы подробно разъясняют, как сориентироваться в этой формирующейся отрасли и приступить к коммерческим разработкам.
В этой книге:
- Как наработать опыт в области машинного обучения и искусственного интеллекта для работы с периферийными устройствами
- Как понять, какие проекты эффективнее всего выполняются с привлечением периферийного искусственного интеллекта
- Какие ключевые паттерны применяются при проектировании приложений для периферийных вычислений на основе искусственного интеллекта
- Как внедрить итеративный подход к разработке систем с искусственным интеллектом
- Как собрать команду, обладающую всем спектром описанных в книге навыков и способную решать реальные задачи
- Как ответственно подходить к разработке устройств, оснащённых искусственным интеллектом
Осваиваем встраиваемые системы для машинного обучения
Отличная вводная книга, рассказывающая как правильно сочетать возможности искусственного интеллекта с проектированием встраиваемых систем
Элесия Уайт, автор книги «Создание встраиваемых систем», ведущая подкаста «Embedded»
Любой, кто собирается попробовать себя в этой бурно развивающейся индустрии, по достоинству оценит, с какой ясностью и проницательностью написана эта книга
Орельен Жерон, бывший руководитель команды по автоматической классификации контента на сайте YouTube.
Думаю, что снова и снова буду обращаться к этой книге как к справочнику
Френ Бейкер, директор по развитию и социальному взаимодействию, компания Arm
Дженни Планкетт (Jenny Plunkett) — старший инженер по связям с разработчиками в компании Edge Impulse, где она выступает в качестве технического спикера, евангелиста разработчиков и создателя технического контента. Помимо ведения документации по Edge Impulse, она также создавала ресурсы для разработчиков для платформ Arm Mbed OS и Pelion IoT. Она выступала с семинарами и докладами на таких крупных технологических конференциях, как Grace Hopper Celebration, Edge
AI Summit, Embedded Vision Summit и др. Ранее Дженни работала инженером-
программистом и консультантом по IoT в компаниях Arm Mbed и Pelion. Окончила Техасский университет в Остине со степенью бакалавра в области электротехники.
Дэниел Ситунаяке (Daniel Situnayake) — руководитель отдела машинного обучения в компании Edge Impulse, в котором он управляет исследованиями и разработками в области встроенного машинного обучения. Он соавтор книги "TinyML:Machine Learning with TensorFlow Lite on Arduino and UltraLow Power Microcontrollers" издательства O’Reilly — стандартного учебника по встроенному машинному обучению. В качестве приглашенного специалиста Дэниел также читал гостевые лекции в Гарварде, Калифорнийском университете в Беркли и UNIFEI.
Ранее Дэн работал над TensorFlow Lite в Google и стал соучредителем Tiny
Farms — первой американской компании, использующей автоматизацию для производства белка из насекомых в промышленных масштабах. Свою карьеру он начал, читая лекции по автоматической идентификации и сбору данных в Бирмингемском городском университете.
Отзывы
Отзывов пока нет.