Intelligence artificielle pratique pour l'IdO

Note :   (4,0 sur 5)

Intelligence artificielle pratique pour l'IdO (Amita Kapoor)

Avis des lecteurs

Résumé:

Le livre offre une approche complète et pratique de l'intelligence artificielle, couvrant divers sujets, y compris l'apprentissage automatique, l'apprentissage profond et les algorithmes avancés dans le contexte de l'IoT. Il est bien accueilli par les lecteurs pour la profondeur de son contenu et ses exemples pratiques.

Avantages:

Couverture approfondie des sujets liés à l'IA
approche pratique du codage
inclut des outils essentiels, des ensembles de données et des algorithmes pertinents pour l'IoT
structure bien organisée
fortement recommandé par les lecteurs.

Inconvénients:

Pourrait bénéficier d'une plus grande couverture des technologies Cloud et Edge.

(basé sur 4 avis de lecteurs)

Titre original :

Hands-On Artificial Intelligence for IoT

Contenu du livre :

Construisez des systèmes plus intelligents en réunissant l'intelligence artificielle et l'Internet des objets - deux des sujets les plus discutés aujourd'hui Caractéristiques principales Traitez les données IoT et prédisez les résultats en temps réel - en utilisant la puissance de l'apprentissage automatique, de l'apprentissage profond, du traitement du langage naturel, et plus encore Exploitez la puissance de deux des bibliothèques Python les plus populaires - Tensorflow et Keras pour construire des modèles IoT intelligents qui fonctionnent sur des données en temps réel Comprend des études de cas pratiques sur les quatre principaux domaines d'application de l'IoT - y compris l'IoT industriel, les villes intelligentes et la domotique Description du livre.

Il existe de nombreuses applications qui utilisent la science des données et l'analyse pour obtenir des informations à partir des téraoctets de données générées. Ces applications ne relèvent pas le défi de la découverte continue de modèles pour les données de l'IdO. Dans ce livre, nous couvrons les différents aspects de l'Intelligence Artificielle (IA) et sa mise en œuvre que vous pouvez utiliser pour rendre vos solutions IoT plus intelligentes.

Ce livre commence par la collecte et le prétraitement des données IoT recueillies à partir de sources distribuées. Il vous enseignera différentes techniques d'IA telles que l'apprentissage automatique, l'apprentissage profond, l'apprentissage par renforcement, le traitement du langage naturel, les algorithmes génétiques, et plus encore, pour construire des systèmes IoT intelligents. Le livre vous montre également comment tirer parti de la puissance de l'IA pour traiter les données en temps réel provenant de dispositifs portables. Des techniques pour construire des modèles qui fonctionnent avec différents types de données générées et consommées par les appareils IoT, tels que les séries temporelles, les images, l'audio, la vidéo, le texte et la parole. Des études de cas utiles sur quatre domaines d'application majeurs des solutions IoT constituent l'essence même de ce livre - couvrant l'IoT industriel, la domotique, l'IoT personnel et les villes intelligentes. Tout au long du livre, vous tirerez parti de la puissance des bibliothèques Python les plus utilisées, Tensorflow et Keras, pour construire différents types de modèles d'IA intelligents.

À la fin de ce livre, vous serez à l'aise dans la construction d'applications IoT intelligentes et alimentées par l'IA. Ce que vous apprendrez Appliquer différentes techniques d'IA, y compris l'apprentissage automatique et l'apprentissage profond à l'aide de TensorFlow et Keras Mettre en œuvre des algorithmes génétiques, l'apprentissage par renforcement, les réseaux adversaires génératifs pour construire des systèmes IoT intelligents Accéder et traiter des données à partir de diverses sources distribuées Effectuer l'apprentissage automatique supervisé et non supervisé pour les données IoT Mettre en œuvre le traitement distribué des données IoT sur Apache Spark à l'aide de MLLib et H2O. Plateformes IoT Configurer et utiliser différentes plateformes cloud pour l'IoT telles que Google Compute Engine et Azure pour tirer parti de l'IA dans le cloud Prévoir les données de séries temporelles à l'aide de méthodes de Deep Learning Traiter les images et les vidéos en temps réel Manipuler les données textuelles, audio et vocales au sein du système IoT Obtenir des informations uniques à partir des données obtenues à partir de dispositifs portables et intelligents Apprentissage pratique sur la mise en œuvre de l'IA à partir d'études de cas dans l'IoT personnel, l'IoT industriel et les villes intelligentes A qui s'adresse ce livre ?

Si vous êtes un professionnel de la science des données ou un développeur de Machine Learning cherchant à construire des systèmes intelligents pour l'IoT, ce livre est fait pour vous. Si vous souhaitez apprendre comment les techniques populaires d'intelligence artificielle (IA) peuvent être utilisées dans le domaine de l'Internet des objets, ce guide vous sera également utile. Une compréhension de base des concepts d'apprentissage automatique est nécessaire pour tirer le meilleur parti de ce livre.

Autres informations sur le livre :

ISBN :9781788836067
Auteur :
Éditeur :
Reliure :Broché

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Intelligence artificielle pratique pour l'IdO - Hands-On Artificial Intelligence for IoT
Construisez des systèmes plus intelligents en réunissant...
Intelligence artificielle pratique pour l'IdO - Hands-On Artificial Intelligence for IoT
Deep Learning with TensorFlow and Keras - Third Edition (Apprentissage profond avec TensorFlow et...
Le livre est un ouvrage de référence sur les...
Deep Learning with TensorFlow and Keras - Third Edition (Apprentissage profond avec TensorFlow et Keras) : Construire et déployer des modèles d'apprentissage supervisé, non supervisé, profond et par renforcement. - Deep Learning with TensorFlow and Keras - Third Edition: Build and deploy supervised, unsupervised, deep, and reinforcement learning models
Platform and Model Design for Responsible AI : Concevoir et construire des modèles d'apprentissage...
Concevoir des projets d'IA éthiques avec des...
Platform and Model Design for Responsible AI : Concevoir et construire des modèles d'apprentissage automatique résilients, privés, équitables et transparents - Platform and Model Design for Responsible AI: Design and build resilient, private, fair, and transparent machine learning models

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)