作品简介

本书融合了人工智能和物联网两大热点技术,将人工智能中的优越方法应用到物联网的构建中,以形成更加智能的物联网系统。书中系统地介绍了人工智能算法,包括传统的机器学习、流行的深度学习、遗传算法、强化学习、生成式模型等,还提供了相关算法和应用实例的完整代码,可以帮助读者快速构建所需的智能物联网系统。本书介绍的模型构建技术适用于物联网设备生成和使用的各种数据,如时间序列、图像和音频;给出的典型实例涉及个人物联网、家庭物联网、工业物联网、智慧城市物联网等。

学完本书,读者能够:应用不同的人工智能技术,包括机器学习和基于TensorFlow和Keras的深度学习。访问和处理来自各种分布式数据源的数据。对IoT数据执行有监督和无监督机器学习。基于MLlib和H2O.ai平台,在Apache Spark框架上实现对IoT数据的分布式处理。基于深度学习方法对时间序列数据进行预测。从可穿戴设备和智能设备得到的数据中获取独到的洞察。了解个人物联网、工业物联网和智慧城市中的人工智能应用。

阿米塔·卡普尔(Amita Kapoor),是德里大学Haheed Rajguru女子应用科学院(SRCASW)电子系的副教授。过去20年来,她一直积极教授神经网络和人工智能。她于1996年获得电子学硕士学位,2011年获得博士学位。在攻读博士学位期间,她获得了著名的DAAD奖学金,从而得以在德国卡尔斯鲁厄理工学院继续她的部分研究工作。她在2008年光子学国际会议上获得了最佳演讲奖。她是ACM、AAAI、IEEE和INNS的活跃成员,合著了两本专著,并在国际期刊和会议上发表了40多篇论文。目前的研究领域包括机器学习、人工智能、深度强化学习和机器人技术。

作品目录

  • 关于本书
  • 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
  • 1.1 什么是物联网
  • 1.2 大数据和物联网
  • 1.3 人工智能的注入:物联网中的数据科学
  • 1.4 本书使用的工具
  • 1.5 小结
  • 第2章 面向物联网的数据访问和分布式处理
  • 2.1 TXT格式
  • 2.2 CSV格式
  • 2.3 XLSX格式
  • 2.4 JSON格式
  • 2.5 HDF5格式
  • 2.6 SQL数据
  • 2.7 NoSQL数据
  • 2.8 HDFS分布式文件系统
  • 2.9 小结
  • 第3章 用于物联网的机器学习
  • 3.1 机器学习与物联网
  • 3.2 学习范式
  • 3.3 用线性回归进行预测
  • 3.4 分类的逻辑回归
  • 3.5 用支持向量机分类
  • 3.6 朴素贝叶斯分类器
  • 3.7 决策树
  • 3.8 集成学习
  • 3.9 改进模型的窍门与技巧
  • 3.10 小结
  • 第4章 用于物联网的深度学习
  • 4.1 深度学习基础
  • 4.2 用于回归和分类任务的多层感知器
  • 4.3 卷积神经网络
  • 4.4 递归神经网络
  • 4.5 自编码器
  • 4.6 小结
  • 第5章 用于物联网的遗传算法
  • 5.1 优化
  • 5.2 遗传算法概论
  • 5.3 使用Python中的分布式进化算法编写遗传算法代码
  • 5.4 小结
  • 第6章 用于物联网的强化学习
  • 6.1 引言
  • 6.2 仿真环境
  • 6.3 Q-学习
  • 6.4 Q-网络
  • 6.5 策略梯度
  • 6.6 小结
  • 第7章 用于物联网的生成式模型
  • 7.1 引言
  • 7.2 用VAE生成图像
  • 7.3 GAN
  • 7.4 小结
  • 第8章 面向物联网的分布式人工智能
  • 8.1 引言
  • 8.2 Apache MLlib
  • 8.3 H2O.ai简介
  • 8.4 小结
  • 第9章 个人物联网和家庭物联网
  • 9.1 个人物联网
  • 9.2 物联网和智能家居
  • 9.3 小结
  • 第10章 人工智能用于工业物联网
  • 10.1 人工智能工业物联网简介
  • 10.2 使用人工智能进行预测性维护
  • 10.3 工业用电负荷预测
  • 10.4 小结
  • 第11章 人工智能用于智慧城市物联网
  • 11.1 为什么需要智慧城市
  • 11.2 智慧城市的组成部分
  • 11.3 适应智慧城市的物联网和必要步骤
  • 11.4 挑战和收益
  • 11.5 小结
  • 第12章 组合应用
  • 12.1 处理不同类型的数据
  • 12.2 云计算
  • 12.3 小结
展开全部