 書單推薦 新書推薦 |
邊緣人工智能 [英]丹尼爾·西圖納亞克 [美]珍妮·普朗克特 ![邊緣人工智能 [英]丹尼爾·西圖納亞克 [美]珍妮·普朗克特](/images/noimages.gif)
定 價：149 元
9 7 7 8 7 7 7 1 1 1 6 1 8 
本書以實用、易于理解的方式介紹了新興的、迅速發(fā)展的邊緣人工智能領(lǐng)域。本書涵蓋廣泛的主題，從核心概念到最新的硬件和軟件工具，內(nèi)容充滿了可操作的建議，并包含多個端到端示例。本書可分為兩部分：第一部分介紹和討論關(guān)鍵概念，幫助你了解整個領(lǐng)域的情況，并帶你了解有助于設計和實現(xiàn)應用程序的實際過程；第二部分通過三個完整的用例來演示如何運用所學知識解決科學、工業(yè)和消費者項目中的實際問題。本書旨在為那些將推動這場革命的工程師、科學家、產(chǎn)品經(jīng)理和決策者提供指導。它是針對整個領(lǐng)域的高層次指南，提供了一個工作流程和框架，用于利用邊緣人工智能解決現(xiàn)實世界的問題。
邊緣人工智能正在改變計算機與真實世界交互的方式，使物聯(lián)網(wǎng)設備能夠利用之前因成本、帶寬或功耗限制而被丟棄的99%的傳感器數(shù)據(jù)來做出決策。借助嵌入式機器學習等技術(shù)，開發(fā)人員能夠捕捉人類的直覺，并將其應用于各種目標——從超低功耗微控制器到嵌入式Linux設備。 這本實用指南為工程專業(yè)人士提供了一個完整的框架，用于解決工業(yè)、商業(yè)和科學領(lǐng)域的實際問題，適用于產(chǎn)品經(jīng)理和技術(shù)領(lǐng)導者。你將深入了解從數(shù)據(jù)收集到模型優(yōu)化、調(diào)整和測試的每個階段，學習如何設計和支持邊緣人工智能和嵌入式機器學習產(chǎn)品。邊緣人工智能將成為系統(tǒng)工程師的標準工具，這份高層次的路線圖將幫助你快速入門。 通過閱讀本書，你將： 。增強你在邊緣設備上人工智能和機器學習領(lǐng)域的專業(yè)知識。 。了解哪些項目最適合使用邊緣人工智能來完成。 。探索邊緣人工智能應用的關(guān)鍵設計模式。 。掌握一種用于開發(fā)人工智能系統(tǒng)的迭代工作流。 。構(gòu)建一個擁有解決實際問題技能的團隊。 。遵循負責任的人工智能流程來創(chuàng)造有效的產(chǎn)品。
序2022 年，GitHub 首席執(zhí)行官Thomas Dohmke表示：“我認為向云計算的轉(zhuǎn)變將會非常 迅速，我預測在短短幾年內(nèi)，你的本地計算機上將不再有任何代碼�！边@本書很好地 解釋了為什么我和許多其他從事邊緣機器學習領(lǐng)域工作的人認為他是完全錯誤的。我們開始看到許多實際應用的出現(xiàn)，比如高質(zhì)量的語音識別、森林火災預防和智能家居控制，這些應用之所以能夠?qū)崿F(xiàn)，是因為本地設備現(xiàn)在能夠運行先進的機器學習算法。Jenny和Dan編寫了一本精彩的書，不僅解釋了為什么將智能添加到邊緣應用對于解決重要問題至關(guān)重要，而且還引導讀者完成設計、實施和測試這類應用所需的步驟。當你剛開始研究邊緣機器學習項目時，可能會感到非常吃力。這個領(lǐng)域涉及大量術(shù)語， 變化很快，并且需要嵌入式系統(tǒng)和人工智能等領(lǐng)域的知識，而且這些領(lǐng)域通常沒有很好地整合在一起。這本書的目的是對有效處理這類應用所需了解的一切做一個平實而全面的介紹。通過強調(diào)真實世界的示例和使用通俗易懂的語言（而不是數(shù)學或代碼）來解釋復雜的主題，使這本書適合更廣泛的讀者閱讀。所以產(chǎn)品經(jīng)理、高管、設計師以及工程 師都可以很輕松地閱讀這本書。兩位作者成功地從經(jīng)驗中獲得了許多寶貴知識，并將其提煉為課程，這將使得任何從事 這類應用的團隊都能夠快速入門。他們還設法探討了關(guān)于如何構(gòu)建邊緣機器學習應用等實際問題之外的其他問題，并將幫助你了解如何避免在工作中造成傷害。與人工智能有關(guān)的倫理問題似乎令人不知所措， 但作者設法將它們分解成一些問題，你可以在項目規(guī)劃和測試過程中直接加以應用。這 將有助于項目中的所有利益相關(guān)者通力合作，并有望避免讓計算機對我們的生活擁有更 多決策權(quán)所帶來的許多潛在危險。我從事邊緣機器學習應用工作已經(jīng)有十多年了，最初是在一家初創(chuàng)公司，后來在谷歌擔任技術(shù)主管，而現(xiàn)在是另一家初創(chuàng)公司的創(chuàng)始人，并且我將邀請加入我們團隊的每個人 閱讀這本書。如果你對這一領(lǐng)域感興趣，無論是作為一名程序員、設計師、管理者，還是只是一個關(guān)心這一新技術(shù)的人，我都強烈推薦這本書。我保證，閱讀這本書會讓你了解到很多有趣的想法，并幫助你打造下一代智能設備�！狿ete Warden ，Useful Sensors 公司首席執(zhí)行官，微控制器 TensorFlow Lite 的創(chuàng)建者前言過去幾年，越來越多的工程師和研究人員悄悄地改寫了計算機與物理世界互動的規(guī)則。 其結(jié)果是，一項被稱為“邊緣人工智能”的技術(shù)有望顛覆近百年的計算機歷史，并觸及每個人的生活。通過一次微小的軟件更新，邊緣人工智能技術(shù)可以賦予廉價、節(jié)能的處理器（已經(jīng)廣泛應用于從洗碗機到恒溫器等各種設備中）感知和理解世界的能力。我們可以賦予日常物 品智能，不再依賴于對數(shù)據(jù)需求量大的中心化服務器。而且，下一代工具使每個人都能接觸這種魔力，無論是高中生還是研究人員。世界上已經(jīng)有許多邊緣人工智能產(chǎn)品。以下是一些我們將在本書中遇到的例子：? 通過安裝在電力塔上的智能設備預測可能發(fā)生的故障，幫助防止由電力傳輸引起的森林火災。? 可穿戴手環(huán)能夠在消防員面臨熱應變和過度勞累風險時發(fā)出警報，確保他們的安全。? 語音用戶界面提供無須手動操作的控制技術(shù)，不需要互聯(lián)網(wǎng)連接。? 智能項圈可以監(jiān)測野生大象的活動，幫助研究人員了解它們的行為并防止它們發(fā)生沖突。? 野生動物相機（或稱攝像機）可以識別特定的動物物種，幫助科學家了解它們的行為。邊緣人工智能技術(shù)仍然是嶄新的，而這些現(xiàn)有應用只是其潛力的一小部分。隨著越來越 多的人學習如何使用邊緣人工智能，他們將創(chuàng)造出能夠解決人類各個領(lǐng)域問題的應用程 序。本書的目標是讓你成為他們中的一員。我們希望能夠幫助你根據(jù)自己獨特的視角創(chuàng) 造成功的邊緣人工智能產(chǎn)品。關(guān)于本書本書旨在為那些將推動這場革命的工程師、科學家、產(chǎn)品經(jīng)理和決策者提供指導。它是針對整個領(lǐng)域的高層次指南，提供了一個工作流程和框架，用于利用邊緣人工智能解決 現(xiàn)實世界的問題。除此之外，我們希望你掌握以下內(nèi)容：? 不同邊緣人工智能技術(shù)所固有的機遇、限制和風險。? 通過人工智能和嵌入式機器學習進行問題分析和解決方案框架的設計。? 成功開發(fā)邊緣人工智能應用的端到端實踐工作流。本書的第一部分將介紹和討論關(guān)鍵概念，幫助你了解整個領(lǐng)域的情況。接下來將帶你了解有助于設計和實現(xiàn)應用程序的實際過程。本書的第二部分從第 11 章開始，我們將通過三個完整的用例來演示如何運用所學知識解決科學、工業(yè)和消費者項目中的實際問題。閱讀本書，你將有信心通過邊緣人工智能的視角來觀察世界，并擁有一套可靠的工具， 可以用來構(gòu)建有效的解決方案。本書預期這不是一本編程書，也不是針對特定工具的教程，所以不要期望有大量的逐行代碼解釋 或使用特定軟件的分步指南。相反，你將學習如何使用最適合的工具和通用框架來解決問題。也就是說，這個主題非常適合可探索、定制和構(gòu)建的有形、交互式示例。在本書中，我們將提供各種可供探索的工件（artifact），包括Git存儲庫、免費的在線數(shù)據(jù)集和示例訓練管道（流水線）。其中許多工件將托管在 Edge Impulse （https://edgeimpulse.com）中，這是一個用于構(gòu)建 邊緣人工智能應用的工程工具。它基于開源技術(shù)和標準最佳實踐，因此即使你在不同 的平臺上工作，也能夠理解其中的原理。本書的作者都是Edge Impulse的忠實粉絲—但他們可能有偏好，因為他們是構(gòu)建該工具的團隊的一部分！需要了解的基礎知識本書是關(guān)于構(gòu)建在邊緣設備上運行的軟件， 因此對嵌入式開發(fā)的高級概念有一定的了解會有所幫助，可以是關(guān)于資源受限設備（如微控制器或數(shù)字信號處理器）或通用設備 （如嵌入式Linux計算機）的知識。盡管如此，如果你剛開始接觸嵌入式軟件，也不用擔心跟不上！我們會保持簡單，并在出現(xiàn)新主題時介紹它們。除此之外，無須假設任何特定的知識。由于本書的目標是為整個工程領(lǐng)域提供實用的路線圖，因此我們將涵蓋許多主題。如果你對我們提到的任何內(nèi)容感興趣—從機器學習的基礎知識到應用設計的基本要素—那么本書將提供許多我們在學習過程中發(fā)現(xiàn)的有 用資源。負責任、合乎倫理、有效的人工智能構(gòu)建任何類型的應用程序，最重要的部分都是確保它在現(xiàn)實世界中正常運行。不幸的是，人工智能應用程序特別容易受到一類問題的影響，使它們在外表上看起來工作得很好，但實際上卻以非常有害的方式失效。避免這類問題將是本書的核心主題之一。因為現(xiàn)代人工智能開發(fā)是一個迭代的過程，僅僅在工作流的最后測試系統(tǒng)是否正常工作是不夠的。相反，需要在整個過程中的每一步考慮潛在的陷阱。你必須了解風險所在，嚴格審查中間結(jié)果，并在考慮利益相關(guān)者需求 的情況下做出明智的決策。在本書中，我們將介紹一個強大的框架，幫助你理解、推理、度量性能，并針對構(gòu)建人工智能應用程序時可能出現(xiàn)的問題做出決策。這將是我們整個開發(fā)過程的基礎，并且會塑造我們設計應用程序的方式。這個過程始于項目的最初階段。為了構(gòu)建有效的應用程序，理解我們目前的人工智能方法并不適用于某些用例是至關(guān)重要的。在許多情況下，造成傷害（無論是身體上的、財 務上的還是社會上的）的風險超過了部署人工智能的潛在利益。本書將教你如何識別這些風險，并在探索項目的可行性時將其考慮在內(nèi)。作為領(lǐng)域?qū)＜�，我們有責任確保自己創(chuàng)造的技術(shù)得到適當?shù)氖褂�。沒有人比我們更適合做這項工作，因此我們有責任做好這項工作。本書將幫助你做出正確的決策，并創(chuàng)建性 能良好、可避免傷害并使更多人受益的應用程序。擴展資源涵蓋從低級實現(xiàn)到高級設計模式的嵌入式人工智能的書籍將占據(jù)書架的大部分空間！而你正在閱讀的這本書不會試圖把所有內(nèi)容都塞進一本書中，而是提供了整個領(lǐng)域的詳細但高層次的路線圖。
Daniel Situnayake是Edge Impulse的機器學責人，負責領(lǐng)導嵌入式機器學習的研發(fā)工作。Jenny Plunkett是Edge Impulse的高級開發(fā)者關(guān)系工程師，是一位技術(shù)演講者、開發(fā)者傳道者和技術(shù)內(nèi)容創(chuàng)作者。
序1前言3第1章 邊緣人工智能簡介111.1 關(guān)鍵術(shù)語定義111.1.1 嵌入式111.1.2 邊緣端和物聯(lián)網(wǎng)121.1.3 人工智能151.1.4 機器學習171.1.5 邊緣人工智能191.1.6 嵌入式機器學習和微型機器學習191.1.7 數(shù)字信號處理211.2 為什么需要邊緣人工智能221.2.1 理解邊緣人工智能的好處（BLERP）221.2.2 邊緣人工智能的作用251.2.3 邊緣人工智能與常規(guī)人工智能之間的主要區(qū)別271.3 總結(jié)30第2章 現(xiàn)實世界中的邊緣人工智能312.1 邊緣人工智能的常見用例312.1.1 綠地和棕地項目322.1.2 現(xiàn)實世界的產(chǎn)品332.2 應用類型372.2.1 物體追蹤372.2.2 理解和控制系統(tǒng)392.2.3 了解人和生物412.2.4 信號轉(zhuǎn)換442.3 負責任地創(chuàng)建應用462.3.1 負責任的設計和人工智能倫理472.3.2 黑盒和偏差502.3.3 保持謹慎522.4 總結(jié)55第3章 邊緣人工智能的硬件563.1 傳感器、信號和數(shù)據(jù)源563.1.1 傳感器和信號的類型593.1.2 聲學與振動593.1.3 視覺與場景603.1.4 運動與位置623.1.5 力與觸覺633.1.6 光學、電磁和輻射643.1.7 環(huán)境、生物和化學653.1.8 其他信號653.2 邊緣人工智能處理器673.2.1 邊緣人工智能硬件架構(gòu)673.2.2 微控制器和數(shù)字信號處理器693.2.3 片上系統(tǒng)733.2.4 深度學習加速器743.2.5 FPGA和 ASIC753.2.6 邊緣服務器783.2.7 多設備架構(gòu)783.2.8 設備和工作負載803.3 總結(jié)80第4章 邊緣人工智能算法814.1 特征工程814.1.1 處理數(shù)據(jù)流814.1.2 數(shù)字信號處理算法 834.1.3 結(jié)合特征與傳感器884.2 人工智能算法 894.2.1 按功能劃分的算法類型 904.2.2 按實現(xiàn)方式劃分的算法類型 944.2.3 邊緣設備的優(yōu)化1064.2.4 在設備上訓練1094.3 總結(jié)111第5章 工具與專業(yè)知識1125.1 為邊緣人工智能組建團隊1125.1.1 領(lǐng)域?qū)I(yè)知識1135.1.2 多元化1145.1.3 利益相關(guān)者1165.1.4 角色與責任1175.1.5 邊緣人工智能的招聘1205.1.6 學習邊緣人工智能技能1215.2 行業(yè)工具1235.2.1 軟件工程1245.2.2 使用數(shù)據(jù)1275.2.3 算法開發(fā)1295.2.4 在設備上運行算法1385.2.5 嵌入式軟件工程與電子技術(shù)1415.2.6 邊緣人工智能的端到端平臺1455.3 總結(jié)150第6章 理解和構(gòu)建問題1516.1 邊緣人工智能工作流程1516.2 我需要邊緣人工智能嗎1536.2.1 描述一個問題1546.2.2 我需要部署到邊緣嗎1546.2.3 我需要機器學習嗎1586.2.4 實踐練習1656.3 確定可行性1656.3.1 道德可行性1666.3.2 商業(yè)可行性1686.3.3 數(shù)據(jù)集可行性1706.3.4 技術(shù)可行性1716.3.5 做最后的決定1746.3.6 規(guī)劃一個邊緣人工智能項目1756.4 總結(jié)177第7章 如何構(gòu)建一個數(shù)據(jù)集1787.1 數(shù)據(jù)集是什么樣的1787.2 理想的數(shù)據(jù)集1797.3 數(shù)據(jù)集和領(lǐng)域?qū)I(yè)知識1817.4 數(shù)據(jù)、道德和負責任的人工智能1827.4.1 盡量減少未知因素1847.4.2 確保領(lǐng)域?qū)I(yè)知識1857.5 以數(shù)據(jù)為中心的機器學習1857.6 估計數(shù)據(jù)要求1867.7 掌握數(shù)據(jù)1907.8 存儲和檢索數(shù)據(jù)1947.8.1 讓數(shù)據(jù)進入存儲庫1967.8.2 收集元數(shù)據(jù)1977.9 確保數(shù)據(jù)質(zhì)量1987.9.1 確保數(shù)據(jù)集的代表性1997.9.2 通過抽樣審查數(shù)據(jù)2017.9.3 標簽噪聲2027.9.4 常見的數(shù)據(jù)錯誤2047.9.5 漂移和偏移2067.9.6 錯誤的不均勻分布2077.10 準備數(shù)據(jù)2077.10.1 標記2087.10.2 格式化2177.10.3 數(shù)據(jù)清洗2197.10.4 特征工程2247.10.5 數(shù)據(jù)分割2257.10.6 數(shù)據(jù)增強2307.10.7 數(shù)據(jù)管道2317.11 隨著時間推移構(gòu)建數(shù)據(jù)集2337.12 總結(jié)234第8章 設計邊緣人工智能應用2358.1 產(chǎn)品與體驗設計2358.1.1 設計原則2378.1.2 確定解決方案的范圍2398.1.3 設定設計目標2418.2 架構(gòu)設計2448.2.1 硬件、軟件和服務2458.2.2 基本應用程序架構(gòu)2458.2.3 復雜的應用程序架構(gòu)和設計模式2518.2.4 使用設計模式2558.3 設計中的選擇度量2568.4 總結(jié)259第9章 開發(fā)邊緣人工智能應用2609.1 邊緣人工智能開發(fā)的迭代工作流程2609.1.1 探索2619.1.2 目標設定2629.1.3 引導2649.1.4 測試和迭代2679.1.5 部署2739.1.6 支持2749.2 總結(jié)274第10章 評估、部署和支持邊緣人工智能應用27510.1 評估邊緣人工智能系統(tǒng)27510.1.1 評估系統(tǒng)的方法27610.1.2 有用的指標27910.1.3 評估技術(shù)28910.1.4 評估和負責任的人工智能29210.2 部署邊緣人工智能應用29210.2.1 部署前任務29310.2.2 部署中任務29510.2.3 部署后任務29610.3 支持邊緣人工智能應用29610.3.1 部署后監(jiān)控29710.3.2 改進實時應用程序30210.3.3 道德和長期支持30410.4 接下來會發(fā)生什么307第11章 用例：野生動物監(jiān)測30811.1 問題探索30911.2 解決方案探索30911.3 目標設定31011.4 解決方案設計31011.4.1 現(xiàn)有的解決方案有哪些31011.4.2 解決方案設計方法31111.4.3 設計注意事項31211.4.4 環(huán)境影響31411.4.5 引導31511.4.6 定義你的機器學習類31511.5 數(shù)據(jù)集收集31611.5.1 Edge Impulse31611.5.2 選擇你的硬件和傳感器31711.5.3 數(shù)據(jù)收集31911.5.4 iNaturalist32011.5.5 數(shù)據(jù)集限制32311.5.6 數(shù)據(jù)集許可和法律義務32311.5.7 清理數(shù)據(jù)集32411.5.8 上傳數(shù)據(jù)到Edge Impulse32411.6 DSP和機器學習工作流程32611.6.1 DSP塊32611.6.2 機器學習塊32811.7 測試模型33411.7.1 實時分類33511.7.2 模型測試33711.7.3 本地測試模型33811.8 部署33811.8.1 創(chuàng)建庫33811.8.2 手機和計算機34011.8.3 預構(gòu)建二進制固件34011.8.4 運行Impulse34211.8.5 GitHub源代碼34211.9 迭代和反饋循環(huán)34211.10 人工智能向善34411.11 相關(guān)工作34411.11.1 數(shù)據(jù)集34511.11.2 研究345第12章 用例：食品質(zhì)量保證34712.1 問題探索34712.2 解決方案探索34812.3 目標設定34812.4 解決方案設計34912.4.1 現(xiàn)有的解決方案有哪些34912.4.2 解決方案設計方法35012.4.3 設計注意事項35112.4.4 環(huán)境及社會影響35212.4.5 引導35312.4.6 定義你的機器學習類35312.5 數(shù)據(jù)集收集35412.5.1 Edge Impulse35412.5.2 選擇你的硬件和傳感器35412.5.3 數(shù)據(jù)收集35512.5.4 數(shù)據(jù)攝取固件35512.5.5 上傳數(shù)據(jù)到Edge Impulse35712.5.6 清理數(shù)據(jù)集35912.5.7 數(shù)據(jù)集許可和法律義務35912.6 DSP和機器學習工作流程36012.6.1 DSP塊36112.6.2 機器學習塊36212.7 測試模型36512.7.1 實時分類36612.7.2 模型測試36612.8 部署36712.8.1 預構(gòu)建二進制固件36912.8.2 GitHub源代碼37212.9 迭代和反饋循環(huán)37212.10 相關(guān)工作37312.10.1 研究37412.10.2 新聞和其他文章375第13章 用例：消費類產(chǎn)品37613.1 問題探索37613.2 目標設定37713.3 解決方案設計37713.3.1 現(xiàn)有的解決方案有哪些37713.3.2 解決方案設計方法37713.3.3 設計注意事項37913.3.4 環(huán)境及社會影響38013.3.5 引導38113.3.6 定義你的機器學習類38113.4 數(shù)據(jù)集收集38113.4.1 Edge Impulse38213.4.2 選擇你的硬件和傳感器38213.4.3 數(shù)據(jù)收集38313.4.4 數(shù)據(jù)攝取固件38313.4.5 清理數(shù)據(jù)集38513.4.6 數(shù)據(jù)集許可和法律義務38613.5 DSP和機器學習工作流程38613.5.1 DSP塊38713.5.2 機器學習塊39013.6 測試模型39413.6.1 實時分類39413.6.2 模型測試39413.7 部署39613.7.1 預構(gòu)建二進制固件39713.7.2 GitHub源代碼39713.8 迭代和反饋循環(huán)39713.9 相關(guān)工作39813.9.1 研究39813.9.2 新聞和其他文章399
我要評論
|
