舉報 
會員
目錄(95章)
倒序
- 封面
- 版權頁
- O'Reilly Media，Inc.介紹
- 本書贊譽
- 序
- 前言
- 第1章 邊緣人工智能簡介
- 1.1 關鍵術語定義
- 1.2 為什么需要邊緣人工智能
- 1.3 總結
- 第2章 現實世界中的邊緣人工智能
- 2.1 邊緣人工智能的常見用例
- 2.2 應用類型
- 2.3 負責任地創建應用
- 2.4 總結
- 第3章 邊緣人工智能的硬件
- 3.1 傳感器、信號和數據源
- 3.2 邊緣人工智能處理器
- 3.3 總結
- 第4章 邊緣人工智能算法
- 4.1 特征工程
- 4.2 人工智能算法
- 4.3 總結
- 第5章 工具與專業知識
- 5.1 為邊緣人工智能組建團隊
- 5.2 行業工具
- 5.3 總結
- 第6章 理解和構建問題
- 6.1 邊緣人工智能工作流程
- 6.2 我需要邊緣人工智能嗎
- 6.3 確定可行性
- 6.4 總結
- 第7章 如何構建一個數據集
- 7.1 數據集是什么樣的
- 7.2 理想的數據集
- 7.3 數據集和領域專業知識
- 7.4 數據、道德和負責任的人工智能
- 7.5 以數據為中心的機器學習
- 7.6 估計數據要求
- 7.7 掌握數據
- 7.8 存儲和檢索數據
- 7.9 確保數據質量
- 7.10 準備數據
- 7.11 隨著時間推移構建數據集
- 7.12 總結
- 第8章 設計邊緣人工智能應用
- 8.1 產品與體驗設計
- 8.2 架構設計
- 8.3 設計中的選擇度量
- 8.4 總結
- 第9章 開發邊緣人工智能應用
- 9.1 邊緣人工智能開發的迭代工作流程
- 9.2 總結
- 第10章 評估、部署和支持邊緣人工智能應用
- 10.1 評估邊緣人工智能系統
- 10.2 部署邊緣人工智能應用
- 10.3 支持邊緣人工智能應用
- 10.4 接下來會發生什么
- 第11章 用例：野生動物監測
- 11.1 問題探索
- 11.2 解決方案探索
- 11.3 目標設定
- 11.4 解決方案設計
- 11.5 數據集收集
- 11.6 DSP和機器學習工作流程
- 11.7 測試模型
- 11.8 部署
- 11.9 迭代和反饋循環
- 11.10 人工智能向善
- 11.11 相關工作
- 第12章 用例：食品質量保證
- 12.1 問題探索
- 12.2 解決方案探索
- 12.3 目標設定
- 12.4 解決方案設計
- 12.5 數據集收集
- 12.6 DSP和機器學習工作流程
- 12.7 測試模型
- 12.8 部署
- 12.9 迭代和反饋循環
- 12.10 相關工作
- 第13章 用例：消費類產品
- 13.1 問題探索
- 13.2 目標設定
- 13.3 解決方案設計
- 13.4 數據集收集
- 13.5 DSP和機器學習工作流程
- 13.6 測試模型
- 13.7 部署
- 13.8 迭代和反饋循環
- 13.9 相關工作
- 作者簡介
- 封面簡介
- 推薦閱讀
- 封底 更新時間：2025-08-07 15:36:41
推薦閱讀
- Python人工智能
- TensorFlow學習指南：深度學習系統構建詳解
- TensorFlow知識圖譜實戰
- 人工智能創新啟示錄：賦能產業
- AI時代，學什么，怎么學
- 可解釋人工智能導論
- AI繁榮
- 智能無線機器人：人工智能算法與應用
- AI虛擬仿真從入門到參賽
- 一本書讀懂大模型：技術創新、商業應用與產業變革
- 里武林的沉淪囈語：AI人工智能游戲概念設定集
- AI律師助手：律師實務ChatGPT實戰指南
- 樂高創意機器人教程（初級 上冊 6-12歲）
- 文心一言：人人都能上手的AI工具
- Web3超入門
- 一本書讀懂智能家居核心技術
- 云計算：在智能交通系統中的應用
- 因果推斷：基于圖模型分析
- 深度學習之PyTorch物體檢測實戰
- AI大模型企業落地指南
- 因果推斷與機器學習
- 智能時代：人工智能、超級計算與網絡安全
- 深度學習與深度合成
- 自己動手制作軟體機器人
- Swift人工智能實戰：從基礎理論到AI驅動的應用程序開發
- 深度對話GPT-4提示工程實戰
- 3D打印：從想象到現實
- AIGC應用基礎
- 大語言模型：原理、應用與優化
- 自動駕駛算法與芯片設計
