基于机器学习和深度学习，华为大神手写AIoT系统学习小册Java架构技术

学习完本小册后你可以在简历上写：

应用不同的人工智能技术，包括机器学习和基于TensorFlow和Keras的深度学习。

访问和处理来自各种分布式数据源的数据。

对AIoT数据执行有监督和无监督机器学习。

基于MLlib和H2O.ai平台，在Apache Spark框架上实现对IoT数据的分布式处理。

基于深度学习方法对时间序列数据进行预测。

从可穿戴设备和智能设备得到的数据中获取独到的洞察。

小册目录

部分内容截图

大多数数据库都是采用关系型数据库的组织方式。一个关系型数据库由一个或多个相关的信息表组成，不同表的信息之间的关系用键来描述。通常情况下，这些数据库是通过数据库管理系统（Database ManagementSystem，DBMS）来管理的。DBMS是一个可以与最终用户、不同的应用程序和数据库本身进行交互的软件，用来捕获和分析数据。目前的商用DBMS使用结构化查询语言（Structured Query Language，SQL）来访问和操作数据库，我们也可以使用Python来访问关系型数据库。在本节中，我们将探讨SQLite和MySQL，这两个非常流行的数据库引擎可以和Python一起使用。

在本节中，你将学习另一个非常常见且高效的机器学习算法——决策树。在决策树中，我们构造一个树状结构进行决策：从树根开始，我们选择一个特征并分裂进入分支，继续直到到达叶子，叶子表示预测的类别或数值。

为了进行交叉操作，我们在两个亲本染色体上选择一个随机位置，然后在该位置上以概率Px交换它们的遗传信息。这产生了两个新的后代。当交叉发生在随机位置时，其被称为一点交叉（或单点交叉）。如下图所示，一点交叉过程中，在亲本染色体中选择一个随机位置，并交换相应的基因。