Zastosowane algorytmy uczenia się dla inteligentnego IoT

Oryginalny tytuł:

Applied Learning Algorithms for Intelligent IoT

Zawartość książki:

Książka ta żywo ilustruje wszystkie obiecujące i potencjalne algorytmy uczenia maszynowego (ML) i głębokiego uczenia (DL) poprzez szereg rzeczywistych i działających w czasie rzeczywistym przypadków zastosowań biznesowych. Maszyny i urządzenia mogą być uprawnione do samodzielnego uczenia się i wykazywania inteligentnych zachowań. Ponadto Big Data w połączeniu z danymi w czasie rzeczywistym i w czasie działania może prowadzić do spersonalizowanych, prognostycznych, predykcyjnych i preskryptywnych spostrzeżeń. Niniejsza książka analizuje następujące tematy

⬤ Maszyny i urządzenia kognitywne.

⬤ Systemy cyberfizyczne (CPS)

⬤ Internet rzeczy (IoT) i przemysłowe przypadki użycia.

⬤ Przemysł 4. 0 dla inteligentniejszej produkcji.

⬤ Predykcyjny i preskryptywny wgląd w inteligentniejsze systemy.

⬤ Widzenie maszynowe i inteligencja.

⬤ Naturalne interfejsy.

⬤ Algorytm klasteryzacji K-średnich.

⬤ Algorytm maszyny wektorów nośnych (SVM).

⬤ Algorytmy a priori.

⬤ Regresja liniowa i logistyczna.

Applied Learning Algorithms for Intelligent IoT jasno przedstawia algorytmy ML i DL, które mogą być wykorzystywane do wydobywania predykcyjnych i preskryptywnych spostrzeżeń z Big Data. Przekształcanie surowych danych w informacje i istotną wiedzę zyskuje na znaczeniu dzięki dostępności przetwarzania i eksploracji danych, algorytmów analitycznych, platform, frameworków i innych akceleratorów omówionych w książce. Teraz, wraz z pojawieniem się algorytmów uczenia maszynowego, dziedzina analizy danych z pewnością osiągnie nowy poziom.

Książka ta będzie służyć jako kompleksowy przewodnik dla badaczy sztucznej inteligencji, członków wydziałów i specjalistów IT. Każdy rozdział omawia jeden algorytm uczenia maszynowego, jego pochodzenie, wyzwania i korzyści, a także przykładowy przypadek użycia w branży w celu szczegółowego wyjaśnienia algorytmu. Szczegółowe i dogłębne zagłębienie się w algorytmy ML i DL przy użyciu praktycznych przypadków użycia może sprzyjać innowacyjnym badaniom.