利用物联网(IoT)将机器学习应用于农业、电信和能源领域的案例研究。本书首先介绍如何设置软件和硬件组件,包括各种传感器,以实现Python中的案例研究。

案例研究部分首先对电信行业的物联网电话掉线进行了研究,然后对工业机器的能源审计和预测维护进行了案例研究,最后介绍了农业企业预测现金作物歉收的技术。最后一节讨论在这些领域中实现机器学习和物联网时要避免的陷阱。

阅读本书后,您将了解物联网和机器学习如何在示例领域中使用,并有实际的案例研究来使用和扩展。使用Python,您将能够使用Raspberry pi3b +和Arduino Mega 2560创建企业级应用程序。

你会学到什么

  • 使用物联网实现机器学习,并使用Python解决电信、农业和能源行业的问题
  • 在实际场景中建立和使用工业级物联网产品,如Modbus RS485协议设备
  • 为商用级物联网或物联网项目开发解决方案
  • 利用物联网从零开始进行机器学习的案例研究

这本书是给谁的

  • Raspberry Pi和Arduino爱好者以及数据科学和机器学习专业人士。
成为VIP会员查看完整内容
0
36

相关内容

物联网,英文名为Internet of Things,可以简单地理解为物物相连的互联网。物联网主要通过各种设备(比如RFID,传感器,二维码等)的接口将现实世界的物体连接到互联网上,或者使它们互相连接,以实现信息的传递和处理。互联网在现实的物理世界之外新建了一个虚拟世界,物联网将会把两个世界融为一体。

从数据科学的角度研究Python,并学习用于做出关键业务决策的数据可视化的成熟技术。从介绍Python的数据科学开始,您将进一步了解Python环境,并熟悉Jupyter Notebook和Spyder等编辑器。通过Python编程入门之后,您将掌握数据科学中使用的基本Python编程技术。接下来是数据可视化,您将看到它如何满足现代业务需求并形成决策的关键因素。您还将了解Python中一些流行的数据可视化库。

将重点转移到数据结构,您将从数据科学的角度了解数据结构的各个方面。然后使用Python处理文件I/O和正则表达式,然后收集和清理数据。继续探索和分析数据,您将看到Python中的高级数据结构。然后,您将深入研究数据可视化技术,了解Python中的许多绘图系统。

最后,您将完成一个详细的案例研究,您将有机会重温到目前为止介绍的概念。

你会学到什么

  • 在数据科学中使用Python编程技术
  • Python中的主数据收集
  • 为BI系统创建引人入胜的可视化
  • 部署收集和清理数据的有效策略
  • 整合Seaborn和Matplotlib绘图系统

这本书是给谁看的

具有基本Python编程知识的开发人员希望采用使用Python进行数据分析和可视化的关键策略。

成为VIP会员查看完整内容
0
51

这本书向你展示了如何建立实时图像处理系统,一直到家庭自动化。了解如何开发一个基于32位ARM处理器的系统,通过语音命令实现完全控制

实时图像处理系统被广泛应用于各种应用中,如交通监控系统、医学图像处理和生物特征安全系统。在使用深度神经网络的实时物联网成像中,您将学习如何使用Java和OpenCV的包装器来利用最佳的DNN模型来检测图像中的对象。在为远程编程准备Visual Studio代码时,仔细看看Java脚本是如何在Raspberry Pi上工作的。您还将获得有关图像和视频脚本的见解。作者Nicolas Modrzyk向您展示了如何使用Rhasspy语音平台来添加一个强大的语音助手,并从您的计算机上完全运行和控制您的Raspberry Pi。

为了让您的语音意图为家庭自动化做好准备,您将探索Java如何连接到MQTT并处理参数化的Rhasspy语音命令。有了语音控制系统,您就可以在选定的环境中执行简单的任务,比如检测猫、人和咖啡壶。隐私和自由是至关重要的,因此优先考虑使用开源软件和设备上的语音环境,在这种环境中,您可以完全控制您的数据和视频流。你的语音指令是你自己的,而且只是你自己的。

随着物联网和机器学习的发展,前沿的图像处理系统提供了完整的过程自动化。这本实用的书教你建立这样一个系统,给你完全的控制与最小的努力。

你会学到什么:

  • 通过创建OpenCV过滤器显示掌握
  • 执行YOLO DNN模型进行图像检测
  • 在Raspberry Pi 4上应用最好的Java脚本
  • 为实时远程编程准备设置
  • 使用Rhasspy语音平台来处理语音命令和增强您的家庭自动化设置

这本书是写给谁的: 工程师和爱好者希望使用他们喜欢的JVM在Raspberry Pi上运行对象检测和网络

成为VIP会员查看完整内容
0
32

掌握通过机器学习和深度学习识别和解决复杂问题的基本技能。使用真实世界的例子,利用流行的Python机器学习生态系统,这本书是你学习机器学习的艺术和科学成为一个成功的实践者的完美伴侣。本书中使用的概念、技术、工具、框架和方法将教会您如何成功地思考、设计、构建和执行机器学习系统和项目。

使用Python进行的实际机器学习遵循结构化和全面的三层方法,其中包含了实践示例和代码。

第1部分侧重于理解机器学习的概念和工具。这包括机器学习基础,对算法、技术、概念和应用程序的广泛概述,然后介绍整个Python机器学习生态系统。还包括有用的机器学习工具、库和框架的简要指南。

第2部分详细介绍了标准的机器学习流程,重点介绍了数据处理分析、特征工程和建模。您将学习如何处理、总结和可视化各种形式的数据。特性工程和选择方法将详细介绍真实数据集,然后是模型构建、调优、解释和部署。

第3部分探讨了多个真实世界的案例研究,涵盖了零售、交通、电影、音乐、营销、计算机视觉和金融等不同领域和行业。对于每个案例研究,您将学习各种机器学习技术和方法的应用。动手的例子将帮助您熟悉最先进的机器学习工具和技术,并了解什么算法最适合任何问题。

实用的机器学习与Python将授权您开始解决您自己的问题与机器学习今天!

你将学习:

  • 执行端到端机器学习项目和系统
  • 使用行业标准、开放源码、健壮的机器学习工具和框架实现实践示例
  • 回顾描述机器学习和深度学习在不同领域和行业中的应用的案例研究
  • 广泛应用机器学习模型,包括回归、分类和聚类。
  • 理解和应用深度学习的最新模式和方法,包括CNNs、RNNs、LSTMs和transfer learning。

这本书是给谁看的 IT专业人士、分析师、开发人员、数据科学家、工程师、研究生

目录:

Part I: Understanding Machine Learning

  • Chapter 1: Machine Learning Basics
  • Chapter 2: The Python Machine Learning Ecosystem Part II: The Machine Learning Pipeline
  • Chapter 3: Processing, Wrangling and Visualizing Data
  • Chapter 4: Feature Engineering and Selection
  • Chapter 5: Building, Tuning and Deploying Models Part III: Real-World Case Studies
  • Chapter 6: Analyzing Bike Sharing Trends
  • Chapter 7: Analyzing Movie Reviews Sentiment
  • Chapter 8: Customer Segmentation and Effective Cross Selling
  • Chapter 9: Analyzing Wine Types and Quality
  • Chapter 10: Analyzing Music Trends and Recommendations
  • Chapter 11: Forecasting Stock and Commodity Prices

Chapter 12: Deep Learning for Computer Vision

成为VIP会员查看完整内容
0
48

简介:

探索用Python编写代码的正确方法。这本书提供的技巧和技术,你需要生产更干净,无错误,和雄辩的Python项目。

要获得更好的代码,首先要理解对代码进行格式化和编制文档以获得最大可读性的重要性,利用内置的数据结构和Python字典来提高可维护性,并使用模块和元类来有效地组织代码。然后,您将深入了解Python语言的新特性,并学习如何有效地利用它们。接下来,您将解码关键概念,如异步编程、Python数据类型、类型提示和路径处理。学习在Python代码中调试和执行单元测试和集成测试的技巧,以确保您的代码可以投入生产。学习旅程的最后一段为您提供了版本管理、实时代码管理和智能代码完成的基本工具。 在阅读和使用这本书之后,您将熟练地编写干净的Python代码,并成功地将这些原则应用到您自己的Python项目中。

目录:

  • Pythonic思维
  • 数据结构
  • 编写更好的函数和类
  • 使用模块和元类
  • 装饰器和上下文管理器
  • 生成器和迭代器
  • 利用新的Python特性
  • 附录:一些很棒的Python工具

作者:

Sunil Kapil在过去十年一直从事软件行业,用Python和其他几种语言编写产品代码。 他曾是一名软件工程师,主要从事网络和移动服务的后端工作。他开发、部署并维护了数百万用户喜爱和使用的从小型到大型的生产项目。他与世界各地知名软件公司的大小团队在不同的专业环境中完成了这些项目。他也是开源的热情倡导者,并不断为Zulip Chat和Black等项目贡献力量。Sunil经常在各种会议上发表关于Python的演讲。

成为VIP会员查看完整内容
0
72

大数据正在成为智能交通系统(ITS)的一个研究热点,这可以在世界各地的许多项目中看到。智能交通系统会产生大量的数据,将对智能交通系统的设计和应用产生深远的影响,从而使智能交通系统更安全、更高效、更有利可图。在ITS中研究大数据分析是一个蓬勃发展的领域。本文首先回顾了大数据和智能交通系统的发展历史和特点,接着讨论了ITS系统中进行大数据分析的框架,总结了ITS系统中的数据源和采集方法、数据分析方法和平台以及大数据分析应用领域。同时介绍了大数据分析在智能交通系统中的几个应用实例,包括道路交通事故分析、道路交通流量预测、公共交通服务规划、个人出行路线规划、轨道交通管理与控制、资产维护等。最后,本文讨论了在ITS中应用大数据分析的一些开放性挑战。

成为VIP会员查看完整内容
0
28

论文题目: A Survey on Edge Computing Systems and Tools

论文摘要: 在物联网和5G通信的愿景驱动下,边缘计算系统在网络边缘集成了计算,存储和网络资源,以提供计算基础架构,从而使开发人员能够快速开发和部署边缘应用程序。 如今,边缘计算系统已在业界和学术界引起了广泛关注。 为了探索新的研究机会并帮助用户选择适合特定应用的边缘计算系统,本调查报告对现有边缘计算系统进行了全面概述,并介绍了代表性的项目。 根据开放源代码工具的适用性进行了比较。 最后,我们重点介绍了边缘计算系统的能源效率和深度学习优化。 本次调查还研究了用于分析和设计边缘计算系统的未解决问题。

成为VIP会员查看完整内容
0
26

报告主题:Deploying machine learning models on the edge

报告摘要: 当物联网遇到人工智能时,大数据,云计算和智能边缘方面的新一轮创新开始。据估计,到2020年,个人或企业物联网设备每天将产生250 PB的数据。边缘计算非常适合处理此数据,因为边缘计算提供了一种在本地计算设备而非云或远程数据中心收集和处理数据的方法。它对物联网应用具有两个主要优势:实时数据分析和减少向云的数据传输。因此,物联网设备的延迟减少,并且对状态变化的反应更快。作为边缘计算的一部分,智能边缘旨在将预测分析引入边缘设备。 Yan Zhang和Mathew Salvaris探索了在边缘部署机器学习模型的方法,实践和工具,提供了使用Python创建预训练的ML模型,将其打包在Docker容器中以及按以下方式部署的逐步指南。边缘设备上的本地服务。他们概述了如何测试和验证每个步骤以及发现您可能遇到的陷阱。

邀请嘉宾:Yan Zhang (Microsoft)、 Mathew Salvaris (Microsoft)

嘉宾简介

Yan Zhang是Microsoft Cloud and Enterprise数据小组算法和数据科学团队的高级数据科学家。她建立了预测分析模型,并在云机器学习平台上推广了机器学习解决方案。她最近的研究包括医疗领域的成本预测和欺诈索赔检测,物联网应用程序的预测性维护,客户细分和文本挖掘。此前,她是锡拉丘兹大学(Syracuse University)的研究教员。Yan拥有佛蒙特大学计算机科学系的数据挖掘博士学位。她是23种出版物的作者,其中包括期刊文章,会议论文和博客文章。她的第一篇论文获得了第17届IEEE最佳论文奖人工智能工具国际会议。她是2015年9月出版的《使用Microsoft Azure机器学习进行预测性分析》(第二版)的审稿人之一。

Mathew Salvaris是Microsoft的数据科学家。以前,Mathew是一家小型创业公司的数据科学家,该公司为基金经理提供分析。UCL认知神经科学研究所的博士后研究员,在帕特里克·哈格德(Patrick Haggard)的自愿和自由意志领域工作,设计了模型,使用脑电图(EEG)实时解码运动皮层中的人类决策;他是埃塞克斯大学脑计算机接口小组的博士后,在那里他从事BCI的计算机鼠标控制工作。Mathew拥有脑机接口博士学位和分布式人工智能理学硕士学位。

成为VIP会员查看完整内容
Deploying machine learning models on the edge Presentation.pdf
0
5
Top