Tiny Machine Learning Techniques for Constrained Devices
-
10% KEDVEZMÉNY?
- Kiadói listaár GBP 86.99
-
39 275 Ft (37 405 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 10% (cc. 3 928 Ft off)
- Kedvezményes ár 35 348 Ft (33 665 Ft + 5% áfa)
35 348 Ft
Beszerezhetőség
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1
- Kiadó Chapman and Hall
- Megjelenés dátuma 2026. január 29.
- ISBN 9781032897523
- Kötéstípus Keménykötés
- Terjedelem234 oldal
- Méret 234x156 mm
- Súly 500 g
- Nyelv angol
- Illusztrációk 60 Illustrations, black & white; 9 Halftones, black & white; 51 Line drawings, black & white; 27 Tables, black & white 658
Kategóriák
Rövid leírás:
Tiny Machine Learning Techniques for Constrained Devices
TöbbHosszú leírás:
Tiny Machine Learning Techniques for Constrained Devices explores the cutting-edge field of Tiny Machine Learning (TinyML), enabling intelligent machine learning on highly resource-limited devices such as microcontrollers and edge Internet of Things (IoT) nodes. This book provides a comprehensive guide to designing, optimizing, securing, and applying TinyML models in real-world constrained environments.
This book offers thorough coverage of key topics, including:
- Foundations and Optimization of TinyML: Covers microcontroller-centric power optimization, core principles, and algorithms essential for deploying efficient machine learning models on embedded systems with strict resource constraints.
- Applications of TinyML in Healthcare and IoT: Presents innovative use cases such as compact artificial intelligence (AI) solutions for healthcare challenges, real-time detection systems, and integration with low-power IoT and low-power wide-area network (LPWAN) technologies.
- Security and Privacy in TinyML: Addresses the unique challenges of securing TinyML deployments, including privacy-preserving techniques, blockchain integration for secure IoT applications, and methods for protecting resource-constrained devices.
- Emerging Trends and Future Directions: Explores the evolving landscape of TinyML research, highlighting new applications, adaptive frameworks, and promising avenues for future investigation.
- Practical Implementation and Case Studies: Offers hands-on insights and real-world examples demonstrating TinyML in action across diverse scenarios, providing guidance for engineers, researchers, and students.
This book is an essential resource for embedded system designers, AI practitioners, cybersecurity professionals, and academics who want to harness the power of TinyML for smarter, more efficient, and secure edge intelligence solutions.
TöbbTartalomjegyzék:
1. Microcontroller-Centric Power Optimization in Embedded Systems
Több
