.
前言第1章 邊緣AI簡介 定義關鍵詞彙 為什麼需要邊緣AI第2章 真實世界中的邊緣AI 邊緣AI 的常見使用案例 應用類型 以負責任的態度來開發應用第3章 邊緣AI 的各種硬體 感測器、訊號與資料來源 邊緣AI 處理器第4章 邊緣AI 演算法 特徵工程 AI 演算法第5章 工具和專業知識 建立邊緣AI 開發團隊 產業工具第6章 理解和界定問題 邊緣AI 工作流程 我需要邊緣AI 嗎 確定可行性第7章 如何建立資料集 資料集長什麼樣子 理想的資料集 資料集和領域專業知識 資料、倫理和負責任的 AI 以資料為中心的機器學習 估算資料需求 取得資料 儲存與取得資料 確保資料品質 準備資料 隨著時間建立資料集第8章 設計邊緣AI 應用程式 產品和體驗設計 架構設計 考慮設計中的各種選項第9章 開發邊緣AI 應用程式 邊緣AI 的迭代式開發工作流程 總結第10章 評估、部署和支援邊緣AI 應用程式 評估邊緣AI 系統 部署邊緣AI 應用程式 支援邊緣AI 應用第11章 案例:野生動物監測系統 探索問題 探索解決方案 設定目標 設計解決方案 蒐集資料集 DSP 和機器學習工作流程 測試模型 部署 迭代和回饋循環 AI 造福世界 相關成果第12章 使用案例:食品品質保證 探索問題 探索解決方案 設定目標 設計解決方案 蒐集資料集 DSP 和機器學習工作流程 測試模型 部署 迭代和回饋循環 相關成果第13章 使用案例:消費性產品使用案例-消費性產品 探索問題 設定目標 設計解決方案 蒐集資料集 DSP 和機器學習工作流程 測試模型 部署 迭代和回饋循環 相關成果索引
Raspberry Pi 錦囊妙計 第四版|軟硬體問題與解決方案 精通機器學習|使用Scikit-Learn, Keras與TensorFlow 第三版 TinyML經典範例集