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

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_第1张图片

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_第2张图片

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_第3张图片

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_第4张图片

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_第5张图片

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_第6张图片

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。

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_第7张图片

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。

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_第8张图片

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。

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_第9张图片

你可能感兴趣的:(深度学习,学习)