亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

TinyML，也就是微型機器學習，用于在資源受限的設備上實現機器學習，例如微控制器和嵌入式系統。如果你想利用這些低成本、低功耗但奇異強大的設備，那么這本書就是為你準備的。 這本書旨在增加TinyML應用程序的可用性，特別是對于缺乏資源或專業知識來開發和部署它們在基于微控制器的板上的專業人士。書中首先簡要介紹人工智能，包括解決復雜問題的經典方法。它還將幫助你熟悉適用于嵌入式設備和微控制器的不同ML模型開發和部署工具、庫和框架。書中將幫助你使用Arduino Nano RP2040板和Syntiant TinyML板構建一個空氣手勢數字識別系統和一個用于識別關鍵詞的AI項目。最后，書中總結了所涵蓋的概念，并簡要介紹了零樣本學習、單樣本學習、聯邦學習和MLOps等主題。 通過閱讀這本書，你將能夠輕松開發和部署端到端的Tiny ML解決方案。 你將學到什么 ● 學習如何使用Syntiant TinyML板構建關鍵詞識別系統。 ● 學習如何使用Arduino Nano RP2040構建空氣手勢數字識別系統。 ● 學習如何在Edge Impulse和Arduino IDE上測試和部署模型。 ● 獲取提高系統級性能的技巧。 ● 探索TinyML在各個行業中的不同實際用例。 這本書適合誰 本書適合物聯網開發者、系統工程師、軟件工程師、硬件工程師以及對將AI集成到他們的工作中感興趣的專業人士。這本書是對工程本科生的寶貴資源，他們對微控制器和物聯網設備感興趣，但可能不知道從何開始。

目錄

AI簡介

傳統ML生命周期

TinyML硬件和軟件平臺

實際應用案例

用TinyML進行的實驗

使用TinyML板的高級實現

持續改進

結論

這本教科書提供了全面的，但教程，介紹機器人，計算機視覺和控制。它以一種輕但信息量大的對話風格編寫，將文本、圖形、數學和代碼行編織成涵蓋機器人和計算機視覺的敘述——分別和一起作為機器人視覺。超過1600個代碼示例展示了如何使用幾行簡單的代碼來分解和解決復雜的問題。 這個版本基于Python，并伴隨著完全開源的基于Python的機器人和機器視覺工具箱。新的工具箱使讀者能夠輕松地將算法概念付諸實踐，并在廣泛的計算平臺上處理真實的、重要的問題。對于初學者，本書使算法易于訪問，工具箱代碼可以閱讀以獲得理解，并舉例說明如何使用它。對于實踐者、學生或研究人員來說，通過基于Toolbox函數編寫程序或修改Toolbox代碼本身，代碼也可以成為新工作的起點。

//link.springer.com/book/10.1007/978-3-031-06469-2

這本開放存取的書提供了大量的實踐示例，說明了如何在實踐中應用超參數調優，并對機器學習(ML)和深度學習(DL)方法的工作機制提供了深入的見解。本書的目的是讓讀者能夠使用這里描述的方法，以更少的時間、成本、精力和資源取得更好的結果。本書中的案例可以在普通的臺式電腦或筆記本電腦上運行。不需要高性能計算設施。 編寫這本書的想法源于Bartz & Bartz GmbH為德國聯邦統計局(Destatis)進行的一項研究。在該研究的基礎上，這本書是針對行業從業者以及研究人員，教師和學生在學術界。內容集中在ML和DL算法的超參數調整，并分為兩個主要部分:理論(第一部分)和應用(第二部分)。涉及的基本主題包括:重要模型參數的調查;四項參數調優研究和一項廣泛的全局參數調優研究;基于嚴重性的ML和DL方法性能統計分析以及一種新的、基于共識排序的方法來匯總和分析來自多個算法的結果。本書對6種相關的ML和DL方法的30多個超參數進行了分析，并提供了源代碼，以便用戶可以重現結果。因此，它可以作為一本手冊和教科書。

//link.springer.com/book/10.1007/978-981-19-5170-1

本書中的設計模式捕捉了機器學習中反復出現的問題的最佳實踐和解決方案。作者是三位谷歌工程師，他們列出了經過驗證的方法，以幫助數據科學家解決ML過程中的常見問題。這些設計模式將數百位專家的經驗整理成簡單、可接近的建議。

在這本書中，你會發現關于數據和問題表示、操作化、可重復性、可再現性、靈活性、可解釋性和公平性的30種模式的詳細解釋。每個模式都包含對問題的描述、各種可能的解決方案，以及針對您的情況選擇最佳技術的建議。

您將學習如何: 在訓練、評估和部署ML模型時，確定并減輕常見的挑戰 表示不同ML模型類型的數據，包括嵌入、特征交叉等 針對具體問題選擇合適的模型類型 構建一個魯棒的訓練循環，使用檢查點、分布策略和超參數調優 部署可擴展的ML系統，您可以重新訓練和更新這些系統，以反映新的數據 為利益相關者解釋模型預測，并確保模型公平地對待用戶

//www.oreilly.com/library/view/machine-learning-design/9781098115777/

Preface

1. The Need for Machine Learning Design Patterns

2. Data Representation Design Patterns

3. Problem Representation Design Patterns

4. Model Training Patterns

5. Design Patterns for Resilient Serving

6. Reproducibility Design Patterns

7. Responsible AI

8. Connected Patterns

Index

如果你想從程序員轉型為AI專家，這是一個理想的起點。基于Laurence Moroney極其成功的AI課程，這本介紹性的書提供了一個動手實踐，代碼優先的方法，幫助您建立信心，而您學習關鍵主題。

您將了解如何實現機器學習中最常見的場景，如計算機視覺、自然語言處理(NLP)，以及web、移動、云和嵌入式運行時的序列建模。大多數關于機器學習的書籍都是從令人生畏的高等數學開始的。本指南建立在讓您直接使用代碼的實踐經驗的基礎上。

你將學習: 如何使用TensorFlow建立模型 通過代碼示例學習機器學習的基礎知識 如何實現計算機視覺，包括圖像中的特征檢測 如何使用自然語言處理來標記和排列單詞和句子 在Android和iOS中嵌入模型的方法 如何使用TensorFlow服務在網絡和云上部署模型

//www.oreilly.com/library/view/ai-and-machine/9781492078180/

歡迎來到《程序員的人工智能和機器學習》，這是我多年來一直想寫的書，但由于機器學習(ML)的最新進展，特別是TensorFlow，它才真正成為可能。本書的目標是為你做準備，作為一個程序員，許多場景，你可以解決機器學習，目的是促使你成為一個ML和AI開發人員，而不需要博士學位!我希望你會發現它是有用的，它將增強你的信心，開始這一美妙和有價值的旅程。

這本書主要由兩部分組成。第一部分(1-11章)討論了如何使用TensorFlow為各種場景構建機器學習模型。它帶你從最初的原理——用一個只包含一個神經元的神經網絡建立一個模型——到計算機視覺、自然語言處理和序列建模。第二部分(12-20章)將介紹如何將模型放在Android和iOS上，在瀏覽器中使用JavaScript，并通過云提供服務。大多數章節都是獨立的，所以你可以順便學習一些新的東西，或者，當然，你可以從頭到尾讀一遍。

目錄內容： Foreword

Preface I. Building Models

1. Introduction to TensorFlow

2. Introduction to Computer Vision

3. Going Beyond the Basics: Detecting Features in Images

4. Using Public Datasets with TensorFlow Datasets

5. Introduction to Natural Language Processing

6. Making Sentiment Programmable Using Embeddings

7. Recurrent Neural Networks for Natural Language Processing

8. Using TensorFlow to Create Text

9. Understanding Sequence and Time Series Data

10. Creating ML Models to Predict Sequences

11. Using Convolutional and Recurrent Methods for Sequence Models

II. Using Models

12. An Introduction to TensorFlow Lite

13. Using TensorFlow Lite in Android Apps

14. Using TensorFlow Lite in iOS Apps

15. An Introduction to TensorFlow.js

16. Coding Techniques for Computer Vision in TensorFlow.js

17. Reusing and Converting Python Models to JavaScript

18. Transfer Learning in JavaScript

19. Deployment with TensorFlow Serving

20. AI Ethics, Fairness, and Privacy

Index

通過這個循序漸進、詳細的指南，快速開始使用Python 3進行數據可視化編程。本書使用了leather、NumPy、Matplotlib和panda等庫，采用了編程友好的方法，將作為商業和科學可視化的模板。

您將從安裝Python 3開始，了解如何在jupiter筆記本中工作，并探索Python流行的數據可視化圖表庫Leather。還將介紹科學Python 3生態系統，并使用NumPy的基礎知識，NumPy是該生態系統的一個組成部分。后面的章節將重點介紹各種NumPy例程，并使用matplotlib開始科學數據可視化。您將回顧使用圖形和網絡進行3D數據可視化的過程，最后使用Pandas進行數據可視化，包括COVID-19數據集的可視化。

這些代碼示例是在Ubuntu、Windows和樹莓派操作系統等流行平臺上測試的。通過實用Python數據可視化，您將掌握數據可視化的核心概念與Pandas和jupiter筆記本界面。

你會:

回顧Python數據可視化與編程友好的抽象的實際方面

在多個平臺上安裝Python 3和Jupyter，包括Windows, Raspberry Pi和Ubuntu

用Pandas可視化COVID-19數據集

為AI開發人員的集成學習從歷史概述開始，并解釋關鍵的集成技術和為什么需要它們。然后，您將學習如何使用bagging、bootstrap聚合、隨機森林模型和交叉驗證方法更改訓練數據。作者Kumar和Jain提供了最佳實踐來指導您結合模型和使用工具來提高機器學習項目的性能。它們會教你如何有效地實現集成概念，如堆疊和推進，以及如何利用流行庫，如Keras、Scikit Learn、TensorFlow、PyTorch和Microsoft LightGBM。在不同的數據科學問題，包括時間序列數據、成像數據和NLP中，提出了集成學習的一些技巧。討論了近年來在集成學習方面的研究進展。示例代碼以腳本和IPython筆記本的形式提供。

隨著機器學習越來越多地被用于發現模式、進行分析和做出決策——投資于吸引更多的利益相關者加入是至關重要的。這本關于機器學習中的Python項目的書試圖做到這一點:為今天和明天的開發人員提供工具，他們可以使用這些工具更好地理解、評估和塑造機器學習，以幫助確保它為我們所有人服務。

如果你還沒有Python編程環境，這本書將為你提供一個，然后在“機器學習導論”一章中為你提供一個機器學習的概念理解。接下來是三個Python機器學習項目。它們將幫助你創建一個機器學習分類器，建立一個神經網絡來識別手寫數字，并通過為Atari構建一個機器人來給你一個深度強化學習的背景知識。

Python機器學習項目

1. 前言
2. 設置Python編程環境 3.機器學習入門
3. 如何用Scikitlearn在Python中構建機器學習分類器
4. 如何建立基于Tensorflow的神經網絡識別手寫數字
5. 深度強化學習的偏差-方差: 如何用OpenAI Gym為Atari構建一個機器人

通過機器學習的實際操作指南深入挖掘數據

機器學習: 為開發人員和技術專業人員提供實踐指導和全編碼的工作示例，用于開發人員和技術專業人員使用的最常見的機器學習技術。這本書包含了每一個ML變體的詳細分析，解釋了它是如何工作的，以及如何在特定的行業中使用它，允許讀者在閱讀過程中將所介紹的技術融入到他們自己的工作中。機器學習的一個核心內容是對數據準備的強烈關注，對各種類型的學習算法的全面探索說明了適當的工具如何能夠幫助任何開發人員從現有數據中提取信息和見解。這本書包括一個完整的補充教師的材料，以方便在課堂上使用，使這一資源有用的學生和作為一個專業的參考。

機器學習的核心是一種基于數學和算法的技術，它是歷史數據挖掘和現代大數據科學的基礎。對大數據的科學分析需要機器學習的工作知識，它根據從訓練數據中獲得的已知屬性形成預測。機器學習是一個容易理解的，全面的指導，為非數學家，提供明確的指導，讓讀者:

• 學習機器學習的語言，包括Hadoop、Mahout和Weka
• 了解決策樹、貝葉斯網絡和人工神經網絡
• 實現關聯規則、實時和批量學習
• 為安全、有效和高效的機器學習制定戰略計劃

通過學習構建一個可以從數據中學習的系統，讀者可以在各個行業中增加他們的效用。機器學習是深度數據分析和可視化的核心，隨著企業發現隱藏在現有數據中的金礦，這一領域的需求越來越大。對于涉及數據科學的技術專業人員，機器學習:為開發人員和技術專業人員提供深入挖掘所需的技能和技術。