前言
人工智能 (Artificial Intelligence，AI) 正在各种垂直行业中迅速找到实际应用，物联网 (Internet of Things，IoT) 就是其中之一。开发人员正在寻找使IoT设备更智能并让用户生活更轻松的方法。本书介绍如何使用IoT数据实施智能分析，预测结果并做出明智的决策，内容涵盖有助于在IoT应用程序中进行分析和学习的高级AI技术。

基于50+的实用案例，读者可以充分了解数据采集、数据分析、建模、统计和监控以及部署等基本“人工智能+IoT”流程。利用来自智能家居、工业IoT和智能设备的真实数据集，训练和评估简单和复杂的模型，并使用经过训练的模型进行预测。同时，书中还介绍了实施机器学习、深度学习和其他人工智能技术(如自然语言处理)时面临的主要挑战； 如何利用计算机视觉和嵌入式机器学习构建智能IoT系统； 如何轻松部署模型并提高其性能。

读完本书，读者将能够打包和部署端到端AI应用程序，并将最佳实践解决方案应用于常见的IoT问题。

 读者对象

本书面向IoT从业者、构建以IoT为重点的人工智能解决方案的数据科学家及人工智能开发人员。全书提供人工智能技术构建智能IoT解决方案，且无须阅读大量人工智能理论。本书读者需要了解Python编程语言和基本的物联网概念，方能有效掌握书中涵盖的概念。

 涵盖内容

第1章重点介绍如何设置正确的环境。内容涵盖如何选择满足AI需求的设备； 如何与设备或云端模块进行安全通信； 如何设置在云中获取数据的方法，设置Spark和AI工具执行数据分析、训练模型并大规模运行机器学习模型。 

第2章讨论可以有效使用任何格式数据的基础知识。


第3章讨论使用逻辑回归和决策树等机器学习模型解决常见的IoT问题，例如对医疗诊断进行分类、
危险驾驶行为检测
及对化学数据进行分类等。


第4章重点介绍使IoT设备成为智能设备的各种分类技术。


第5章解释当警报检测未能对特定问题进行分类时，如何发现相关问题以及如果设备以异常方式运行时的解决方案。 


第6章讨论如何在云端以及NVIDIA Jetson Nano等边缘设备上实现计算机视觉。

第7章讨论如何使用自然语言处理技术和机器人与在餐厅自助点餐亭订购食物的用户进行交互。 


第8章讨论如何将强化学习用于智能交通路口，实现交通信号灯决策，从而减少等待时间并让交通更畅通。 


第9章讨论将预先训练的机器学习模型应用于边缘设备的各种方法，将详细讨论IoT Edge部署对AI Pipeline的重要性，还介绍如何使用TensorFlow.js和Java将模型部署到Web应用程序和移动设备。

 掌握技巧

为了充分掌握本书，读者应对软件开发有基本的了解，并对本书使用的Python、C及Java等语言具备基本的了解。


本书使用的硬件是现成的传感器和常见的IoT开发套件，可以从Adafruit.com和 Amazon.com等网站购买。大多数代码可以跨设备移植。用Python语言编写的代码可以轻松移植到各种微处理器，包括Raspberry Pi、NVIDIA Jetson、Lotte Panda甚至计算机。用C语言编写的代码可以移植到各种微控制器，包括ESP32、ESP8266和Arduino。用Java语言编写的代码可以移植到任何Android设备，包括平板电脑和手机。


本书使用Databricks进行实验，免费版本可到其官网下载。

 资源分享

本书提供全部代码资源，可扫描下方的二维码下载。





 文本惯例

本书中使用了许多文本惯例。

代码设置如下：

import numpy as np 

import torch 

from torch import nn 

from torch import optim 

import torch.nn.functional as F 

from torchvision import datasets, transforms, models 

from torch.utils.data.sampler import SubsetRandomSampler

命令行的输入或输出写成如下样式： 

pip install deap

粗体字表示一个新的术语，一个重要的单词，或屏幕上显示的单词。