Subscribe to newsletters

Otrzymuj jako pierwszy informacje o nowościach i promocjach!

Email:
Wyrażam zgodę na otrzymywanie oferty handlowej. Więcej
This field is required
I hereby agree with the terms of service
This field is required

Nasz newsletter wysyłany jest zwykle raz na miesiąc.

TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach

Pete Warden , Daniel Situnayake

TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach
In Stock
Dostępne mniej niż 10 sztuk.

Zobacz dostępne formy płatności.

 
Product info / Cechy produktu
Rodzaj (nośnik) / Item type książka / book
Dział / Department Książki i czasopisma / Books and periodicals
Autor / Author Pete Warden , Daniel Situnayake
Tytuł / Title TinyML.
Podtytuł / Subtitle Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach
Język / Language polski
Wydawca / Publisher Helion
Rok wydania / Year published 2022
Tytuł originału / Original title TinyML: Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers
Języki oryginału / Original lanugages angielski
   
Rodzaj oprawy / Cover type Miękka
Wymiary / Size 16.8x23.7 cm
Liczba stron / Pages 432
Ciężar / Weight 0.5300 kg
   
Wydano / Published on 2/22/2022
ISBN 9788328383623 (9788328383623)
EAN/UPC 9788328383623
Stan produktu / Condition nowy / new - sprzedajemy wyłącznie nowe nieużywane produkty
Book in Polish by Pete Warden, Daniel Situnayake. Może się wydawać, że profesjonalne systemy uczenia maszynowego wymagają sporych zasobów mocy obliczeniowej i energii. Okazuje się, że niekoniecznie: można tworzyć zaawansowane, oparte na sieciach neuronowych aplikacje, które doskonale poradzą sobie bez potężnych procesorów. Owszem, praca na mikrokontrolerach podobnych do Arduino lub systemach wbudowanych wymaga pewnego przygotowania i odpowiedniego podejścia, jest to jednak fascynujący sposób na wykorzystanie niewielkich urządzeń o niskim zapotrzebowaniu na energię do tworzenia zdumiewających projektów.

Ta książka jest przystępnym wprowadzeniem do skomplikowanego świata, w którym za pomocą techniki TinyML wdraża się głębokie uczenie maszynowe w systemach wbudowanych. Nie musisz mieć żadnego doświadczenia z zakresu uczenia maszynowego czy pracy z mikrokontrolerami. W książce wyjaśniono, jak można trenować modele na tyle małe, by mogły działać w każdym środowisku - również Arduino. Dokładnie opisano sposoby użycia techniki TinyML w tworzeniu systemów wbudowanych opartych na zastosowaniu ucze nia maszynowego. Zaprezentowano też kilka ciekawych projektów, na przykład dotyczący budowy urządzenia rozpoznającego mowę, magicznej różdżki reagującej na gesty, a także rozszerzenia możliwości kamery o wykrywanie ludzi.

W książce między innymi:

praca z Arduino i innymi mikrokontrolerami o niskim poborze mocy
podstawy uczenia maszynowego, budowy i treningu modeli
TensorFlow Lite i zestaw narzędzi Google dla TinyML
bezpieczeństwo i ochrona prywatności w aplikacji
optymalizacja modelu
tworzenie modeli do interpretacji różnego rodzaju danych

Ograniczone zasoby? Poznaj TinyML!

O autorach

Pete Warden jest współzałożycielem zespołu do spraw TensorFlow. Obecnie zajmuje się platformą TensorFlow dla mobilnych systemów operacyjnych i systemów wbudowanych. Wcześniej był założycielem firmy Jetpac, przejętej przez Google w 2014 roku.

Daniel Situnayake wspiera programistów TensorFlow w Google. Jest współzałożycielem firmy Tiny Farms, która jako pierwsza w Stanach Zjednoczonych zautomatyzowała proces uzyskiwania białka z owadów na skalę przemysłową.

Osoba odpowiedzialna za wprowadzenie produktu na rynek Unii Europejskiej / die für das Inverkehrbringen des Produkts auf dem Markt der Europäischen Union verantwortliche Person / Responsible Person

HELION S.A.
ul. KOŚCIUSZKI 1C
Gliwice 44-100
PL
[email protected]

Producent/Hersteller/Manufacturer

Informacje dotyczące bezpieczeństwa / Sicherheitsinformationen / Safety Information

Nie dotyczy
Product tags

 Tip: Type the quantity (default is 1) and click "Add to cart" button to order online.