本書融合了人工智能和物聯(lián)網(wǎng)兩大熱點技術(shù)，將人工智能中的優(yōu)越方法應(yīng)用到物聯(lián)網(wǎng)的構(gòu)建中，以形成更加智能的物聯(lián)網(wǎng)系統(tǒng)。書中系統(tǒng)地介紹了人工智能算法，包括傳統(tǒng)的機器學(xué)習(xí)、流行的深度學(xué)習(xí)、遺傳算法、強化學(xué)習(xí)、生成式模型等，還提供了相關(guān)算法和應(yīng)用實例的完整代碼，可以幫助讀者快速構(gòu)建所需的智能物聯(lián)網(wǎng)系統(tǒng)。本書介紹的模型構(gòu)建技術(shù)適用于物聯(lián)網(wǎng)設(shè)備生成和使用的各種數(shù)據(jù)，如時間序列、圖像和音頻；給出的典型實例涉及個人物聯(lián)網(wǎng)、家庭物聯(lián)網(wǎng)、工業(yè)物聯(lián)網(wǎng)、智慧城市物聯(lián)網(wǎng)等。學(xué)完本書，讀者能夠：應(yīng)用不同的人工智能技術(shù)，包括機器學(xué)習(xí)和基于TensorFlow和Keras的深度學(xué)習(xí)。訪問和處理來自各種分布式數(shù)據(jù)源的數(shù)據(jù)。對IoT數(shù)據(jù)執(zhí)行有監(jiān)督和無監(jiān)督機器學(xué)習(xí)。基于MLlib和H2O.ai平臺，在ApacheSpark框架上實現(xiàn)對IoT數(shù)據(jù)的分布式處理。基于深度學(xué)習(xí)方法對時間序列數(shù)據(jù)進行預(yù)測。從可穿戴設(shè)備和智能設(shè)備得到的數(shù)據(jù)中獲取獨到的洞察。了解個人物聯(lián)網(wǎng)、工業(yè)物聯(lián)網(wǎng)和智慧城市中的人工智能應(yīng)用。