物聯網實作:深度學習應用篇 (附光碟)
陸瑞強、廖裕評
- 出版商: 五南
- 出版日期: 2021-11-11
- 定價: $700
- 售價: 9.5 折 $665
- 貴賓價: 9.0 折 $630
- 語言: 繁體中文
- 頁數: 564
- ISBN: 6263171553
- ISBN-13: 9786263171558
-
相關分類:
物聯網 IoT、DeepLearning
立即出貨 (庫存=1)
買這商品的人也買了...
-
Linux Device Driver Programming 驅動程式設計$690$538 -
揭秘家用路由器 0day 漏洞挖掘技術$490$387 -
Node.js 物聯網裝置開發 (Node.JS for Embedded Systems: Using Web Technologies to Build Connected Devices)$480$379 -
物聯網實作:Node-RED 萬物聯網視覺化 (附光碟)$650$585 -
快速建立物聯網架構與智慧資料擷取應用 (附範例光碟)$520$468 -
玩轉 AIoT 智慧物聯網-智慧居家動手做 (學AI真簡單系列5)$280$252 -
AIoT 實作好好玩 - 使用 micro:bit、MIT App Inventor、語音辨識及影像辨識$400$360 -
超圖解 ESP32 深度實作$880$695 -
AIoT 人工智慧在物聯網的應用與商機, 3/e$400$316 -
$280MicroPython 開發與實戰 -
ASP.NET Core 工程師不可不知的 10大安全性漏洞與防駭方法$690$538 -
$245智能物流機器人設計與製作 -
從穿戴運動健康到元宇宙,個人化的 AIoT 數位轉型$450$356 -
$177機器人操作系統 (ROS) 及模擬應用 -
IT 工程師必需!Linux 快速入門實戰手冊 - 從命令列、系統設定到開發環境建置, 實體機、虛擬機、容器化、WSL、雲端平台全適用$630$498 -
Arduino 自造趣:結合 JavaScript x Vue x Phaser 輕鬆打造個人遊戲機 (iThome鐵人賽系列書)$690$518 -
人手一本的資安健診實作課:不是專家也能自己動手做!(Win10 / Win11適用)$560$560 -
AI + AIoT 概論:寫給大學生看的 AI 通識學習$580$458 -
$516大規模語言模型:從理論到實踐 -
跟 NVIDIA 學深度學習!從基本神經網路到 ......、GPT、BERT...,紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$695 -
AI 神助攻!程式設計新境界 – GitHub Copilot 開發 Python 如虎添翼 : 提示工程、問題分解、測試案例、除錯$560$442 -
新一代 Keras 3.x 重磅回歸:跨 TensorFlow 與 PyTorch 建構 Transformer、CNN、RNN、LSTM 深度學習模型$750$593 -
網路概論的十六堂精選課程:行動通訊 x 物聯網 x 大數據 x 雲端運算 x 人工智慧, 3/e$500$375 -
FLAG'S 創客‧自造者工作坊 跟 AI 一起用 Python 設計 AIoT 物聯網美好日常$1,499$1,184 -
物聯網概論, 3/e$520$468
商品描述
隨著深度學習的快速發展以及單晶片的運算強化,人工智慧(AI)與物聯網(IoT)已融合產生出新型態的應用AIoT(人工智慧物聯網)。本書為物聯網實作系列書籍之一,選用人們最常使用的網路介面――瀏覽器,使用Google開發的TensorFlow.js來撰寫AI程式,打造新世代網頁應用。
作者以多年的教學經驗及競賽成果,開發一系列物聯網實作之教材。本書內容從體驗TensorFlow.js預訓練模型開始,再介紹如何使用TensorFlow.js進行線性回歸,並以遊戲分別實作AI玩乒乓球遊戲、與AI對打乒乓球遊戲、乒乓球遊戲分數記錄至雲端資料庫,以及使用頭部姿態控制乒乓球等,然後學習時間序列預測、Quandl的金融資料預測股市趨勢的金融資料預測股市趨勢,最後則是遷移學習、聲音辨識與TensorFlow模型轉換進行影像辨識與SSD測試等。提供多種的應用方式方便讀者將AI運用到自己的網頁中。
本書循序漸進,由淺入深,相信對有心自學深度學習的讀者會有所助益,也能讓想知道物聯網如何結合人工智慧的讀者初探門道。
作者簡介
陸瑞強
現職:
國立宜蘭大學助理教授
學歷:
國立臺灣大學電機工程學研究所博士
經歷:
電子工程技師
經濟部智慧財產局專利審查委員
清雲技術學院助理教授
廖裕評
現職:
中原大學電機系教授
中原大學研究發展處人本人工智慧中
心主任
學歷:
國立臺灣大學電機工程學研究所博士
經歷:
健行科技大學電子系教授
健行科技大學電子系副教授
健行科技大學電子系系主任
目錄大綱
第一堂課 導論
第二堂課 體驗TensorFlow.js預訓練模型
第三堂課 使用TensorFlow.js進行線性回歸
第四堂課 AI玩乒乓球遊戲─設計乒乓球遊戲
第五堂課 AI玩乒乓球遊戲─記錄乒乓球遊戲資料
第六堂課 AI玩乒乓球遊戲─訓練神經網路模型
第七堂課 AI玩乒乓球遊戲─載入模型
第八堂課 與AI對打乒乓球遊戲
第九堂課 乒乓球遊戲分數記錄至雲端資料庫
第十堂課 使用頭部姿態控制乒乓球
第十一堂課 時間序列預測
第十二堂課 從Nasdaq Data Link的金融資料預測趨勢
第十三堂課 遷移學習
第十四堂課 聲音辨識
第十五堂課 TensorFlow模型轉換與SSD測試
