边缘人工智能
边缘人工智能
Daniel Situnayake, Jenny Plunkett
王健宗, 瞿晓阳, 张楠, 洪振厚 译
出版时间:2025年05月
页数:399
“本书将现代人工智能技术与嵌入式系统相结合,提供了出色的入门指南。”
——Elecia White
Making Embedded Systems的作者,以及Embedded播客的主持人
“任何踏入这个令人兴奋的新领域的人,都将从本书提供的深刻见解和清晰思维中受益。”
——Aurélien Geron
YouTube自动视频分类团队前负责人,畅销书作家
“我可以想象它会被用作参考书,一次又一次地被读者查阅。”
——Fran Baker
Arm可持续发展和社会影响总监
边缘人工智能正在改变计算机与真实世界交互的方式,使物联网设备能够利用之前因成本、带宽或功耗限制而被丢弃的99%的传感器数据来做出决策。借助嵌入式机器学习等技术,开发人员能够捕捉人类的直觉,并将其应用于各种目标——从超低功耗微控制器到嵌入式Linux设备。
这本实用指南为工程专业人士提供了一个完整的框架,用于解决工业、商业和科学领域的实际问题,适用于产品经理和技术领导者。你将深入了解从数据收集到模型优化、调整和测试的每个阶段,学习如何设计和支持边缘人工智能和嵌入式机器学习产品。边缘人工智能将成为系统工程师的标准工具,这份高层次的路线图将帮助你快速入门。
通过阅读本书,你将:
● 增强你在边缘设备上人工智能和机器学习领域的专业知识。
● 了解哪些项目最适合使用边缘人工智能来完成。
● 探索边缘人工智能应用的关键设计模式。
● 掌握一种用于开发人工智能系统的迭代工作流。
● 构建一个拥有解决实际问题技能的团队。
● 遵循负责任的人工智能流程来创造有效的产品。
  1. 前言
  2. 第1章 边缘人工智能简介
  3. 1.1 关键术语定义
  4. 1.1.1 嵌入式
  5. 1.1.2 边缘端和物联网
  6. 1.1.3 人工智能
  7. 1.1.4 机器学习
  8. 1.1.5 边缘人工智能
  9. 1.1.6 嵌入式机器学习和微型机器学习
  10. 1.1.7 数字信号处理
  11. 1.2 为什么需要边缘人工智能
  12. 1.2.1 理解边缘人工智能的好处(BLERP)
  13. 1.2.2 边缘人工智能的作用
  14. 1.2.3 边缘人工智能与常规人工智能之间的主要区别
  15. 1.3 总结
  16. 第2章 现实世界中的边缘人工智能
  17. 2.1 边缘人工智能的常见用例
  18. 2.1.1 绿地和棕地项目
  19. 2.1.2 现实世界的产品
  20. 2.2 应用类型
  21. 2.2.1 物体追踪
  22. 2.2.2 理解和控制系统
  23. 2.2.3 了解人和生物
  24. 2.2.4 信号转换
  25. 2.3 负责任地创建应用
  26. 2.3.1 负责任的设计和人工智能伦理
  27. 2.3.2 黑盒和偏差
  28. 2.3.3 保持谨慎
  29. 2.4 总结
  30. 第3章 边缘人工智能的硬件
  31. 3.1 传感器、信号和数据源
  32. 3.1.1 传感器和信号的类型
  33. 3.1.2 声学与振动
  34. 3.1.3 视觉与场景
  35. 3.1.4 运动与位置
  36. 3.1.5 力与触觉
  37. 3.1.6 光学、电磁和辐射
  38. 3.1.7 环境、生物和化学
  39. 3.1.8 其他信号
  40. 3.2 边缘人工智能处理器
  41. 3.2.1 边缘人工智能硬件架构
  42. 3.2.2 微控制器和数字信号处理器
  43. 3.2.3 片上系统
  44. 3.2.4 深度学习加速器
  45. 3.2.5 FPGA和 ASIC
  46. 3.2.6 边缘服务器
  47. 3.2.7 多设备架构
  48. 3.2.8 设备和工作
  49. 3.3 总结
  50. 第4章 边缘人工智能算法
  51. 4.1 特征工程
  52. 4.1.1 处理数据流
  53. 4.1.2 数字信号处理算法
  54. 4.1.3 结合特征与传感器
  55. 4.2 人工智能算法
  56. 4.2.1 按功能划分的算法类型
  57. 4.2.2 按实现方式划分的算法类型
  58. 4.2.3 边缘设备的优化
  59. 4.2.4 在设备上训练
  60. 4.3 总结
  61. 第5章 工具与专业知识
  62. 5.1 为边缘人工智能组建团队
  63. 5.1.1 领域专业知识
  64. 5.1.2 多元化
  65. 5.1.3 利益相关者
  66. 5.1.4 角色与责任
  67. 5.1.5 边缘人工智能的招聘
  68. 5.1.6 学习边缘人工智能技能
  69. 5.2 行业工具
  70. 5.2.1 软件工程
  71. 5.2.2 使用数据
  72. 5.2.3 算法开发
  73. 5.2.4 在设备上运行算法
  74. 5.2.5 嵌入式软件工程与电子技术
  75. 5.2.6 边缘人工智能的端到端平台
  76. 5.3 总结
  77. 第6章 理解和构建问题
  78. 6.1 边缘人工智能工作流程
  79. 6.2 我需要边缘人工智能吗
  80. 6.2.1 描述一个问题
  81. 6.2.2 我需要部署到边缘吗
  82. 6.2.3 我需要机器学习吗
  83. 6.2.4 实践练习
  84. 6.3 确定可行性
  85. 6.3.1 道德可行性
  86. 6.3.2 商业可行性
  87. 6.3.3 数据集可行性
  88. 6.3.4 技术可行性
  89. 6.3.5 做最后的决定
  90. 6.3.6 规划一个边缘人工智能项目
  91. 6.4 总结
  92. 第7章 如何构建一个数据集
  93. 7.1 数据集是什么样的
  94. 7.2 理想的数据集
  95. 7.3 数据集和领域专业知识
  96. 7.4 数据、道德和负责任的人工智能
  97. 7.4.1 尽量减少未知因素
  98. 7.4.2 确保领域专业知识
  99. 7.5 以数据为中心的机器学习
  100. 7.6 估计数据要求
  101. 7.7 掌握数据
  102. 7.8 存储和检索数据
  103. 7.8.1 让数据进入存储库
  104. 7.8.2 收集元数据
  105. 7.9 确保数据质量
  106. 7.9.1 确保数据集的代表性
  107. 7.9.2 通过抽样审查数据
  108. 7.9.3 标签噪声
  109. 7.9.4 常见的数据错误
  110. 7.9.5 漂移和偏移
  111. 7.9.6 错误的不均匀分布
  112. 7.10 准备数据
  113. 7.10.1 标记
  114. 7.10.2 格式化
  115. 7.10.3 数据清洗
  116. 7.10.4 特征工程
  117. 7.10.5 数据分割
  118. 7.10.6 数据增强
  119. 7.10.7 数据管道
  120. 7.11 随着时间推移构建数据集
  121. 7.12 总结
  122. 第8章 设计边缘人工智能应用
  123. 8.1 产品与体验设计
  124. 8.1.1 设计原则
  125. 8.1.2 确定解决方案的范围
  126. 8.1.3 设定设计目标
  127. 8.2 架构设计
  128. 8.2.1 硬件、软件和服务
  129. 8.2.2 基本应用程序架构
  130. 8.2.3 复杂的应用程序架构和设计模式
  131. 8.2.4 使用设计模式
  132. 8.3 设计中的选择度量
  133. 8.4 总结
  134. 第9章 开发边缘人工智能应用
  135. 9.1 边缘人工智能开发的迭代工作流程
  136. 9.1.1 探索
  137. 9.1.2 目标设定
  138. 9.1.3 引导
  139. 9.1.4 测试和迭代
  140. 9.1.5 部署
  141. 9.1.6 支持
  142. 9.2 总结
  143. 第10章 评估、部署和支持边缘人工智能应用
  144. 10.1 评估边缘人工智能系统
  145. 10.1.1 评估系统的方法
  146. 10.1.2 有用的指标
  147. 10.1.3 评估技术
  148. 10.1.4 评估和负责任的人工智能
  149. 10.2 部署边缘人工智能应用
  150. 10.2.1 部署前任务
  151. 10.2.2 部署中任务
  152. 10.2.3 部署后任务
  153. 10.3 支持边缘人工智能应用
  154. 10.3.1 部署后监控
  155. 10.3.2 改进实时应用程序
  156. 10.3.3 道德和长期支持
  157. 10.4 接下来会发生什么
  158. 第11章 用例:野生动物监测
  159. 11.1 问题探索
  160. 11.2 解决方案探索
  161. 11.3 目标设定
  162. 11.4 解决方案设计
  163. 11.4.1 现有的解决方案有哪些
  164. 11.4.2 解决方案设计方法
  165. 11.4.3 设计注意事项
  166. 11.4.4 环境影响
  167. 11.4.5 引导
  168. 11.4.6 定义你的机器学习类
  169. 11.5 数据集收集
  170. 11.5.1 Edge Impulse
  171. 11.5.2 选择你的硬件和传感器
  172. 11.5.3 数据收集
  173. 11.5.4 iNaturalist
  174. 11.5.5 数据集限制
  175. 11.5.6 数据集许可和法律义务
  176. 11.5.7 清理数据集
  177. 11.5.8 上传数据到Edge Impulse
  178. 11.6 DSP和机器学习工作流程
  179. 11.6.1 DSP块
  180. 11.6.2 机器学习块
  181. 11.7 测试模型
  182. 11.7.1 实时分类
  183. 11.7.2 模型测试
  184. 11.7.3 本地测试模型
  185. 11.8 部署
  186. 11.8.1 创建库
  187. 11.8.2 手机和计算机
  188. 11.8.3 预构建二进制固件
  189. 11.8.4 运行Impulse
  190. 11.8.5 GitHub源代码
  191. 11.9 迭代和反馈循环
  192. 11.10 人工智能向善
  193. 11.11 相关工作
  194. 11.11.1 数据集
  195. 11.11.2 研究
  196. 第12章 用例:食品质量保证
  197. 12.1 问题探索
  198. 12.2 解决方案探索
  199. 12.3 目标设定
  200. 12.4 解决方案设计
  201. 12.4.1 现有的解决方案有哪些
  202. 12.4.2 解决方案设计方法
  203. 12.4.3 设计注意事项
  204. 12.4.4 环境及社会影响
  205. 12.4.5 引导
  206. 12.4.6 定义你的机器学习类
  207. 12.5 数据集收集
  208. 12.5.1 Edge Impulse
  209. 12.5.2 选择你的硬件和传感器
  210. 12.5.3 数据收集
  211. 12.5.4 数据摄取固件
  212. 12.5.5 上传数据到Edge Impulse
  213. 12.5.6 清理数据集
  214. 12.5.7 数据集许可和法律义务
  215. 12.6 DSP和机器学习工作流程
  216. 12.6.1 DSP块
  217. 12.6.2 机器学习块
  218. 12.7 测试模型
  219. 12.7.1 实时分类
  220. 12.7.2 模型测试
  221. 12.8 部署
  222. 12.8.1 预构建二进制固件
  223. 12.8.2 GitHub源代码
  224. 12.9 迭代和反馈循环
  225. 12.10 相关工作
  226. 12.10.1 研究
  227. 12.10.2 新闻和其他文章
  228. 第13章 用例:消费类产品
  229. 13.1 问题探索
  230. 13.2 目标设定
  231. 13.3 解决方案设计
  232. 13.3.1 现有的解决方案有哪些
  233. 13.3.2 解决方案设计方法
  234. 13.3.3 设计注意事项
  235. 13.3.4 环境及社会影响
  236. 13.3.5 引导
  237. 13.3.6 定义你的机器学习类
  238. 13.4 数据集收集
  239. 13.4.1 Edge Impulse
  240. 13.4.2 选择你的硬件和传感器
  241. 13.4.3 数据收集
  242. 13.4.4 数据摄取固件
  243. 13.4.5 清理数据集
  244. 13.4.6 数据集许可和法律义务
  245. 13.5 DSP和机器学习工作流程
  246. 13.5.1 DSP块
  247. 13.5.2 机器学习块
  248. 13.6 测试模型
  249. 13.6.1 实时分类
  250. 13.6.2 模型测试
  251. 13.7 部署
  252. 13.7.1 预构建二进制固件
  253. 13.7.2 GitHub源代码
  254. 13.8 迭代和反馈循环
  255. 13.9 相关工作
  256. 13.9.1 研究
  257. 13.9.2 新闻和其他文章
书名:边缘人工智能
译者:王健宗, 瞿晓阳, 张楠, 洪振厚 译
国内出版社:机械工业出版社
出版时间:2025年05月
页数:399
书号:978-7-111-77716-8
原版书书名:AI at the Edge
原版书出版商:O'Reilly Media
Daniel Situnayake
 
Daniel Situnayake在Google领导TensorFlow Lite的开发宣传工作,并协助运营TinyML meetup小组。他是Tiny Farms的联合创始人,这是美国第一家利用自动化技术以工业规模生产昆虫蛋白的公司。
Daniel Situnayake是Edge Impulse的机器学习负责人,负责领导嵌入式机器学习的研发工作。
 
 
Jenny Plunkett
 
Jenny Plunkett是Edge Impulse的高级开发者关系工程师,也是技术宣讲者、开发者布道师和技术内容创作者。
 
 
本书封面上的动物是西伯利亚野山羊(Capra sibirica)。它们分布在亚洲地区,如中国、蒙古、巴基斯坦和哈萨克斯坦。西伯利亚野山羊实际上是一种较大的野生山羊物种。它们的皮毛颜色从深棕色到浅黄色不等,偶尔带有红色。雄性具有大而黑的环纹状角,而雌性则具有较小的灰色角,并且两性都有胡须。它们的毛色在冬季变浅,夏季变深。它们倾向于以5~30只的单性别群体的方式迁移。
西伯利亚野山羊的理想栖息地位于树线以上的陡峭山坡和岩石碎屑区。它们甚至可以在半干旱的沙漠地带下方低至约 700 m的地方生存。它们主要以各种草类为食,这些植物生长在矮灌丛和草原中。
尽管西伯利亚野山羊的种群数量在减少,但由于它们在自然栖息地中依然很常见,因此被视为无忧物种(Least Loncern)。它们面临的最大威胁是被狩猎以为食和被偷猎以为乐。
购买选项
定价:149.00元
书号:978-7-111-77716-8
出版社:机械工业出版社