دانلود کتاب هوش مصنوعی و یادگیری ماشین برای محاسبات EDGE بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Artificial Intelligence and Machine Learning for EDGE Computing
ویرایش : 1 ed.
عنوان ترجمه شده به فارسی : هوش مصنوعی و یادگیری ماشین برای محاسبات EDGE
سری :
نویسندگان : Rajiv Pandey (editor), Sunil Kumar Khatri (editor), Neeraj Kumar Singh (editor), Parul Verma (editor)
ناشر : Academic Press
سال نشر : 2022
تعداد صفحات : 516
ISBN (شابک) : 0128240547 , 9780128240540
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 92 Mb
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
هوش مصنوعی و یادگیری ماشین برای رندر پیشبینی و تحلیلی در محاسبات لبه بر نقش هوش مصنوعی و یادگیری ماشینی تمرکز میکند که در کنار رایانش لبه تأثیر میگذارد و کار میکند. بخشها تعداد فزایندهای از دستگاهها و برنامههای کاربردی در حوزههای متنوع صنعت، از جمله بازی، تشخیص گفتار، تشخیص پزشکی، روباتیک و بینایی رایانه و نحوه هدایت آنها توسط دادههای بزرگ، هوش مصنوعی، یادگیری ماشینی و محاسبات توزیعشده را پوشش میدهند. Cloud Computing یا الگوهای در حال تکامل Fog و Edge Computing.
چالشهای تحت پوشش عبارتند از ذخیرهسازی و محاسبات از راه دور، اضافه بار پهنای باند به دلیل انتقال دادهها از گرههای پایانی به Cloud که منجر به مشکلات تأخیر میشود. مسائل امنیتی در انتقال اطلاعات حساس پزشکی و مالی در میان شکاف های بزرگتر در نقاط تولید داده و محاسبات، و همچنین ویژگی های طراحی گره های Edge برای ذخیره و اجرای الگوریتم های AI/ML برای ارائه موثر.
Artificial Intelligence and Machine Learning for Predictive and Analytical Rendering in Edge Computing focuses on the role of AI and machine learning as it impacts and works alongside Edge Computing. Sections cover the growing number of devices and applications in diversified domains of industry, including gaming, speech recognition, medical diagnostics, robotics and computer vision and how they are being driven by Big Data, Artificial Intelligence, Machine Learning and distributed computing, may it be Cloud Computing or the evolving Fog and Edge Computing paradigms.
Challenges covered include remote storage and computing, bandwidth overload due to transportation of data from End nodes to Cloud leading in latency issues, security issues in transporting sensitive medical and financial information across larger gaps in points of data generation and computing, as well as design features of Edge nodes to store and run AI/ML algorithms for effective rendering.