《AIoT系统开发》内容简介

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