Marcin Mazureknarzędzia online · artykuły · księgarniaRSS
Okładka: Applied TinyML

Applied TinyML

Autor: Ricardo Cid

Helionebook

98,10 zł 109,00 zł -10%

Kup w księgarni Helion

Czytaj fragmentPobierz PDF

Kategorie
Deep Learning, Internet Rzeczy, Machine Learning
Wydawca
BPB Publications
Rodzaj
ebook
Stron
272
Data wydania
2025-06-03
ISBN
9789365890716
Formaty
ePub (14,8MB) · Mobi (14,8MB)

Fragment książki — 27 stron

Kliknij stronę, żeby powiększyć. Całość możesz przeczytać online albo pobrać jako PDF. Fragment udostępniony przez wydawcę.

  • Fragment „Applied TinyML” — strona 1 z 271
  • Fragment „Applied TinyML” — strona 2 z 272
  • Fragment „Applied TinyML” — strona 3 z 273
  • Fragment „Applied TinyML” — strona 4 z 274
  • Fragment „Applied TinyML” — strona 5 z 275
  • Fragment „Applied TinyML” — strona 6 z 276
  • Fragment „Applied TinyML” — strona 7 z 277
  • Fragment „Applied TinyML” — strona 8 z 278
  • Fragment „Applied TinyML” — strona 9 z 279
  • Fragment „Applied TinyML” — strona 10 z 2710
  • Fragment „Applied TinyML” — strona 11 z 2711
  • Fragment „Applied TinyML” — strona 12 z 2712
  • Fragment „Applied TinyML” — strona 13 z 2713
  • Fragment „Applied TinyML” — strona 14 z 2714
  • Fragment „Applied TinyML” — strona 15 z 2715
  • Fragment „Applied TinyML” — strona 16 z 2716
  • Fragment „Applied TinyML” — strona 17 z 2717
  • Fragment „Applied TinyML” — strona 18 z 2718
  • Fragment „Applied TinyML” — strona 19 z 2719
  • Fragment „Applied TinyML” — strona 20 z 2720
  • Fragment „Applied TinyML” — strona 21 z 2721
  • Fragment „Applied TinyML” — strona 22 z 2722
  • Fragment „Applied TinyML” — strona 23 z 2723
  • Fragment „Applied TinyML” — strona 24 z 2724
  • Fragment „Applied TinyML” — strona 25 z 2725
  • Fragment „Applied TinyML” — strona 26 z 2726
  • Fragment „Applied TinyML” — strona 27 z 2727

Opis

Description
AI is useful when it runs in large machines in data centers, but only when it makes it down to stand-alone edge devices will it unlock countless new use cases and applications. TinyML is transforming AI by bringing ML capabilities to small, low-power devices at the very edge of the network.

This book will guide you through building these smart devices. It establishes TinyML's core foundations and a methodology for application development, from problem definition to power management and cost analysis. You will explore practical skills applications, learning sound, movement, and image classification, followed by advanced techniques like object tracking and sensor fusion, using methods such as Kalman filters. You will explore deep learning regression for predictive tasks and essential anomaly detection for identifying unusual patterns, all demonstrated through real-world use cases.

After reading this book, you will be fully equipped to design, build, and deploy complete TinyML systems, from data collection and feature extraction to model training, deployment, and hardware integration. You will gain hands-on skills and the practical engineering knowledge needed to bring intelligent low-power devices to life.

What you will learn
Build smart gadgets that recognize sounds and movements.
Learn skills beyond coding to create TinyML systems.
Design, build, and deploy TinyML applications.
Design smart systems that can learn on their own.
Make devices that understand and classify images.
See how AI and ML fit into the real-world.

Who this book is for
This book is for engineers, developers, and AI enthusiasts eager to build intelligent edge devices. No prior deep expertise in AI or electronics is required; it is perfect for anyone starting their journey in creating smart widgets with TinyML.

Table of Contents
1. Foundation and Methodology
2. Sound Classification
3. Movement Classification
4. Image Classification
5. Object Tracking
6. Sensor Fusion
7. Deep Learning Regression
8. Anomaly Detection

Linki do księgarni są linkami partnerskimi Grupy Helion i Księgarni PWN (przez sieć Adtraction). Ceny i dostępność pochodzą z oferty wydawcy i mogą się zmienić.