Python 機器學習超進化：AI影像辨識跨界應用實戰 (附100分鐘影像處理入門影音教學/範例程式) (1版)

其他會員也一起購買

Python機器學習超進化：AI影像辨識跨界應用實戰（附100分鐘影像處理入門影音教學） ISBN13：9789865026196 出版社：碁峰資訊 作者：鄧文淵-總監製;文淵閣工作室-編 裝訂／頁數：平裝／248頁 規格：23cm*17cm*1.5cm (高/寬/厚) 版次：1 出版日：2020/09/22 中國圖書分類：電腦程式語言 內容簡介 　　轟動程式圈3大AI影像辨識利器 　　從收集資料、圖片擷取、建立標籤、訓練模型 　　到智慧影像辨識的全面進化實戰！ 　　人工智慧(Artificial Intelligence)應用基本上可分五大層面：時間序列、圖像處理、音訊處理、自然語言處理以及動態影像處理，其中與「智慧影像」相關者就佔了兩大領域。智慧影像是透過電腦視覺技術，從中學習人類的視覺辨識能力，並自動判讀影像中的關鍵資訊，目前被大量使用在圖像辨識、人臉識別、物體動作捕捉、光學文字識別...等，是人工智慧最為廣泛的應用之一。 　　在這個領域的研究中有許多功能強大的工具，如OpenCV、Yolo與dlib，但許多使用者卻不知如何收集資料、建立標籤，更不知道如何訓練模型，進而達成智慧影像辨識的結果！本書將引領讀者運用自己的資料，透過本機與雲端的資源，以目前主流技術進行自有模型的訓練來完成實際可用的智慧影像應用。 　　挑戰智慧影像最佳學習地圖， 　　結合本機與雲端應用， 　　真正深入AI影像辨識核心！ 　　■掌握智慧影像的技術特性與主流的應用模組，涵蓋OpenCV、Pillow、Yolo與dlib。 　　■根據不同模組特性介紹其資料來源的收集方式，除了一般土法煉鋼的徒手拍攝影像，也能利用Kaggle資料庫進行下載，或是利用動態影片進行大量圖片的擷取，再運用自動批次的方式進行圖片整理與特徵標記。 　　■當本機在訓練模型時發生記憶體不足、效能不夠等問題時，使用Google專為機器學習而生的Colab雲端服務來訓練自己的模型。 　　■集結最具代表性的實務應用主題，包括人臉辨識、口罩人臉辨識、車牌辨識、車流統計…等專題，在真實的情況中體驗智慧影像的應用，並擁有開發能力。 　　■針對OpenCV與Pillow影像處理特別提供入門影音輔助教學，加速學習效率。 　　書附超值學習資源：範例程式檔／100分鐘OpenCV與Pillow影像處理入門影音教學 目錄 CH01 認識智慧影像辨識 1.1 人工智慧 1.1.1 人工智慧是什麼？ 1.1.2 人工智慧基本應用 1.1.3 人工智慧實際應用 1.2 智慧影像辨識應用 1.2.1 影像處理 1.2.2 智慧影像辨識 1.2.3 突破智慧影像辨識學習的困境 CH02 OpenCV和Pillow影像處理 2.1 OpenCV 2.1.1 以OpenCV讀取及顯示圖形 2.1.2 儲存影像檔 2.1.3 OpenCV基本繪圖 2.1.4 使用OpenCV進行臉部偵測 2.1.5 擷取臉部圖形及存檔 2.2 圖片特效處理 2.2.1 認識圖片的維度 2.2.2 圖片灰階和黑白處理 2.3 建立新畫布與圖形合併 2.3.1 建立新畫布 2.3.2 圖形合併 2.4 擷取攝影機影像 2.5 Pillow 2.5.1 Pillow圖片基本操作 2.5.2 Pillow圖片編輯 2.5.3 圖片灰階處理 2.5.4 Pillow繪製圖形 2.6 OpenCV與Pillow圖像格式互轉 2.6.1 OpenCV轉Pillow 2.6.2 Pillow轉OpenCV 2.6.3 OpenCV和Pillow黑白圖片處理比較 CH03 OpenCV模型訓練 3.1 專題方向 3.2 準備訓練Haar特徵分類器資料 3.2.1 認識Haar特徵分類器 3.2.2 處理正樣本及實測圖片 3.2.3 處理負樣本圖片 3.3 建立車牌號碼Haar特徵分類器模型 3.3.1 處理Haar特徵分類器模型的檔案結構 3.3.2 加入正樣本 3.3.3 加入負樣本 3.3.4 正樣本標記資料 3.3.5 顯示及修改框選區域 3.3.6 調整框選區域寬高比 3.3.7 增加車牌數量 3.3.8 訓練Haar特徵分類器 3.4 使用Haar特徵分類器模型 3.4.1 Haar特徵分類器模型語法 3.4.2 車牌號碼偵測 CH04 OpenCV影像辨識-車牌 4.1 專題方向 4.2 車牌號碼擷取 4.2.1 原始圖片轉換尺寸 4.2.2 擷取車牌號碼圖形 4.2.3 以輪廓偵測分割車牌號碼文字 4.2.4 組合擷取車牌號碼文字圖形 4.2.5 去除畸零地 4.3 車牌辨識 4.3.1 文字辨識 4.3.2 單一車牌辨識 4.3.3 整批車牌辨識 CH05 火箭級智慧影像辨識-Yolo 5.1 Yolo是什麼？ 5.1.1 Yolo發展歷程 5.1.2 Yolo偵測物體原理概述 5.1.3 Yolo偵測物體種類 5.2 建立Yolo系統 5.2.1 安裝軟體與模組 5.2.2 編譯Yolo 5.2.3 在命令提示字元視窗執行Yolo 5.2.4 以Python程式執行Yolov3 5.3 訓練自訂Yolo偵測模型 5.3.1 標記工具 5.3.2 下載Kaggle口罩資料 5.3.3 轉換PascalVOC為Yolo格式 5.3.4 建立訓練組態資料結構 5.3.5 訓練模型 CH06 使用Colab訓練Yolo模型 6.1 Colab：功能強大的虛擬機器 6.1.1 Colab介紹 6.1.2 Colab建立記事本 6.1.3 Jupyter Notebook基本操作 6.1.4 Colab連接Google Drive雲端硬碟 6.1.5 執行Linux命令 6.2 Colab中訓練Yolo模型 6.2.1 整理口罩資料 6.2.2 進行Yolov3模型訓練 6.2.3 訓練Yolo模型注意事項 6.2.4 訓練其他Yolo模型 6.3 使用自行訓練的Yolo模型 6.3.1 在Colab中使用自行訓練Yolo模型 6.3.2 在Python中使用自行訓練Yolo模型 CH07 最強智慧影像辨識-dlib 7.1 dlib人臉偵測 7.1.1 安裝dlib 7.1.2 簡單人臉偵測 7.1.3 5點特徵人臉偵測 7.1.4 CNN訓練模型人臉偵測 7.1.5 68點特徵人臉偵測 7.1.6 攝影機圖像中畫出點輪廓 7.2 dlib人臉辨識 7.2.1 人臉辨識 7.2.2 dlib人臉登入系統 7.3 dlib其他應用 7.3.1 偵測嘴巴是否張開 7.3.2 偵測打瞌睡 7.3.3 物體追蹤 CH08 dlib自行訓練模型 8.1 dlib訓練自己模型 8.1.1 擷取影片畫面蒐集資料 8.1.2 標記圖片 8.1.3 訓練模型 8.1.4 使用模型 8.1.5 自行訓

Python 機器學習與深度學習特訓班：看得懂也會做的AI人工智慧實戰 (附120分鐘影音教學/範例程式) (2版)

其他會員也一起購買

內容簡介 國內外最具代表性案例，9大專題實戰、15個分類實例 Google Colab、Microsoft Azure兩大雲端應用，人臉辨識、自然語言、 文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練， 從資料收集整理、模型訓練調整，檢測修正到產出全面解秘！ 　　資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實，人工智慧的應用早已出現在我們生活周遭，如即時車牌影像辨識，以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。 　　在人工智慧領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。 　　程式人、工程師挑戰人工智慧最佳學習地圖 　　由類神經網路基礎到AI應用實戰 　　訓練、模型、預測、辨識、分析與驗證 　　全面深入機器學習與深度學習技術核心 　　■打造專屬Python、TensorFlow與Keras最強開發環境。 　　　 　　■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。 　　■整合最夯的人工智慧雲端開發平台：Google Colab，應用雲端提供的充沛資源，全面提升運算效能。 　 　　■加碼最新的機器學習雲端應用平台：Microsoft Azure，連結功能強大、方向多元的Web API，豐富專業應用領域。 　　■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。 　　■全面深入不同應用面向： 　　印刷文字辨識、手寫文字辨識、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部辨識、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號及年份偵測、自動標示物件、資料走勢預測… 　　■網羅國內外最具代表性案例： 　　手寫文字辨識、圖片分類、即時匯率分析、文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等，進行有系統而扎實的真正演練。 　　■一次領略機器學習與深度學習的重要關鍵話題： 　　TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Colab、Azure、Cognitive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、SQLite、SQLite Database Browser、Haar… 　　■針對專案實戰提供關鍵影音輔助教學，加速學習效率。 　　超值學習資源：120分鐘關鍵影音教學/範例程式檔/一探演算法雲端寶庫：Algorithmia教學PDF 感謝讀者好評 　　“很棒的書，我完全沒有深度學習和機器學習的任何知識，只有Python的基礎知識，也覺得書中的說明很快就讓我了解了。” --abedul 　　“此書把繁雜的演算法理論以圖像化的方式呈現，可以幫助我們快速了解深度學習的核心概念，讓學習門檻降低許多，而且還提供了很多實用的實作範例，是一本入門深度學習的好書…” --Victor 目錄 01 打造開發環境： TensorFlow和Keras 1.1 人工智慧、機器學習和深度學習的關係 1.2 什麼是機器學習？ 1.3 什麼是深度學習？ 1.4 TensorFlow與Keras 1.5 建置Anaconda開發環境 1.6 TensorFlow及Keras安裝 1.7 設定TensorFlow的GPU支援 02 機器學習起點：多層感知器(MLP) 2.1 認識多層感知器(MLP) 2.2 認識Mnist資料集 2.3 多層感知器模型資料預處理 2.4 多層感知器實戰：Mnist手寫數字圖片辨識 2.5 模型儲存和載入 2.6 模型權重的儲存和載入 2.7 建立多個隱藏層 03 影像識別神器：卷積神經網路(CNN) 3.1 卷積神經網路(CNN)基本結構 3.2 認識Kaggle Cats and Dogs Dataset資料集 3.3 卷積神經網路實戰：圖片辨識 3.4 模型權重的儲存和載入 04 自然語言處理利器：循環神經網路(RNN) 4.1 循環神經網路(RNN)基本結構 4.2 認識外幣匯率查詢資料集 4.3 循環神經網路外幣匯率預測 4.4 模型權重的儲存和載入 4.5 長短期記憶(LSTM) 05 機器學習雲端開發工具：Google Colab 5.1 Colab：功能強大的虛擬機器 5.2 在Colab中進行機器學習 06 體驗機器學習雲端平台：Microsoft Azure 6.1 專題方向 6.2 電腦視覺資源 6.3 臉部辨識資源 6.4 文字語言翻譯資源 07 臉部辨識登入系統：Azure臉部辨識應用 7.1 專題方向 7.2 Azure臉部客戶端程式庫 7.3 刷臉登入系統 08 自然語言處理：文字雲與文章自動摘要 8.1 專題方向 8.2 Jieba模組 8.3 文字雲 8.4 文章自動摘要 09 語音辨識應用：YouTube影片加上字幕 9.1 專題方向 9.2 語音辨識 9.3 影片字幕製作 10 投資預測實證：股票走勢分析 10.1 專題方向 10.2 台灣股市資訊模組 10.3 股票分析 10.4 股票預測 11 自動標示物件：用Haar特徵分類器擷取車牌 11.1 專題方向 11.2 準備訓練Haar特徵分類器資料 11.3 建立車牌號碼Haar特徵分類器模型 11.4 使用Haar特徵分類器模型 12 無所遁形術：即時車牌影像辨識 12.1 專題方向 12.2 車牌號碼機器學習訓練資料 12.3 建立車牌辨識系統

TQC+ 行動裝置應用程式設計認證指南 Android 9

其他會員也一起購買

內容簡介 　　「TQC+ 行動裝置應用程式設計認證Android 9」，係為TQC+ 軟體設計領域之行動裝置應用程式設計認證能力鑑定，以實務操作方式進行認證，評核符合企業需求的新時代專業設計人才。亦為考核「Android行動裝置程式設計專業人員」必備專業技能之一。 　　1.內附完整的測驗題及操作題，範例題目之設計均以實務應用為導向，品質及認證公信力最具權威！ 　　2.範例題目含「Android開發環境與核心觀念」、「Android專案概念」、「頁面及應用程式框架運作」、「軟硬體服務應用」、「UI設計及語法應用」、「資料儲存、解析與交換」等多項議題，學習多元的設計方法，並強化資料繫結及各項服務應用。 　　3.透過本書所附光碟之認證範例題目練習系統依類別進行自我測驗，提升使用者學習效率。 　　4.配合中華民國電腦技能基金會(https://www.csf.org.tw)測驗流程，一舉取得專業證照，讓您求學、求職更具競爭力。 　　※本書範例題目內容為認證題型與命題方向之示範，正式測驗試題不以範例題目為限。 目錄 如何使用本書 軟硬體需求 商標及智慧財產權聲明 光碟片使用說明 序 第一章 TQC+ 專業設計人才認證說明 1-1 TQC+ 專業設計人才認證介紹 1-2 TQC+ 專業設計人才認證內容 1-3 TQC+ 專業設計人才認證優勢 1-4 企業採用TQC+ 證照的三大利益 1-5 如何參加TQC+ 考試 第二章 領域及科目說明 2-1 領域介紹-軟體設計領域說明 2-2 行動裝置應用程式設計認證說明 第三章 範例題目練習系統安裝及操作說明 3-1 範例題目練習系統安裝流程 3-2 範例題目練習系統操作程序 第四章 行動裝置應用程式設計範例題目 4-1 測驗題技能規範及分類範例題目 4-1-1 第一類：Android開發環境與核心觀念 4-1-2 第二類：Android專案概念 4-1-3 第三類：頁面及應用程式框架運作 4-1-4 第四類：資料儲存與解析 4-1-5 第五類：軟體服務應用 4-1-6 第六類：硬體服務應用 4-2 操作題技能規範及分類範例題目 4-2-1 第一類：UI設計及語法應用 101 點餐系統 102 計算BMI值 103 動態密碼顯示 104 顯示圖片 105 全螢幕對話方塊 106 驗證Activity 107 跑馬燈 108 電影租片清單 109 訊息通知 110 自動收合的廣告版位 4-2-2 第二類：資料儲存、解析與交換 201 匯率換算 202 猜數字遊戲 203 多執行緒處理 204 解析XML資料格式 205 資料庫讀取 206 姓名清單 207 展演資訊 208 檔案下載管理員 209 餐廳管理 210 臺北捷運列車到站站名 4-2-3 第三類：服務應用 301 MP3播放器 302 畫布程式 303 程式背景音樂 304 手機網路流量統計 305 影片播放器 306 接收SMS 307 PIP子母畫面模式 308 經緯度查/反查地址 309 GPS地標權限 310 台北市運動中心網路連線API解析 第五章 測驗系統操作說明 5-1 TQC+ 認證測驗系統-Client端程式安裝流程 5-2 程式權限及使用者帳戶設定 5-3 測驗操作程序範例 第六章 範例試卷 試卷編號：GD9-0001 試卷編號：GD9-0002 試卷編號：GD9-0003 範例試卷標準答案 附錄 TQC+ 專業設計人才認證簡章 雲端練功坊APP 問題反應表

物聯網時代的15堂資安基礎必修課 Practical IoT Hacking

類似書籍推薦給您

內容簡介 　　了解如何檢測物聯網裝置的安全，認識駭客的入侵手法 　　本書是IoT安全研究人員的真實經驗分享，您可從中學到如何藉由測試IoT系統、裝置和協定來降低風險。藉由本書的說明，您將可以了解如何檢測物聯網設備是否安全，以及入侵者如何執行執行VLAN跳躍、破解MQTT身分驗證、攻擊UPnP、開發mDNS投毒程式及進行WS-Discovery攻擊等攻擊手法的細節。 　　本書會深入介紹嵌入式IoT設備和RFID系統的破解手法，同時還能學到： 　　‧如何撰寫一支可作為NSE模組的DICOM服務掃描器 　　‧透過UART和SWD介面攻擊微控制器 　　‧對韌體進行逆向工程及分析搭配使用的行動APP 　　‧使用Proxmark3開發NFC的模糊測試工具 　　‧利用干擾無線警報系統、重播IP攝影機影片及控制智慧跑步機，展示如何入侵智慧居家系統 　　使用容易取得的軟硬體，可以自行實作練習 　　本書使用容易取得，且價格實惠的軟體工具和硬體裝置，實作練習無負擔，有關本書的程式範例亦可自Github下載取得，適合資安研究員、IT團隊成員，想研究駭客技術者，作為破解IoT生態的參考指南。 專家推薦 　　本書精采絕倫，必值一讀。 —Trusted Sec和Binary Defense創辦人：Dave Kennedy 　　以一種簡單、有效又條理分明的方式說明如何攻擊物聯網。 —EXPLIoT框架作者和Payatu共同創辦人：Aseem Jakhar 　　我真的很推薦這本書，無論你是物聯網裝置的玩家，還是負責審核物聯網裝置安全性的專業人員。 -Jaime Andrés Restrepo - DragonJAR.org的CEO 　　這本書的內容非常豐富，涵蓋了硬體、軟體、網路和無線射頻等領域的技術。 -Craig Young，Tripwire首席安全研究員 　　這本書裡頭有所有你希望專家可以告訴你的一切，所有物聯網安全研究人員和開發人員都應該收藏。我向任何有興趣使物聯網更安全的人推薦這本書。 -John Moor，物聯網安全基金會常務董事 目錄 第一篇 IoT的威脅形勢 第1章｜IoT的安全情勢 第2章｜威脅塑模 第3章｜檢測設備安全的方法論 第二篇 入侵網路 第4章｜評估網路設施 第5章｜分析網路協定 第6章｜攻擊零組態網路設定 第三篇 入侵硬體設備 第7章｜攻擊UART、JTAG及SWD 第8章｜SPI和I⊃2;C 第9章｜攻擊設備的韌體 第四篇 入侵無線設備 第10章｜短距離無線電：攻擊RFID 第11章｜攻擊低功耗藍牙 第12章｜中距離無線電：攻擊Wi-Fi 第13章｜長距離無線電：攻擊LPWAN 第五篇 瞄準IoT生態系 第14章｜攻擊行動裝置的APP 第15章｜攻擊智慧居家設備 附錄 入侵IoT所用工具

快速建立物聯網架構與智慧資料擷取應用(附CD)

類似書籍推薦給您

內容簡介 　　智慧機械計畫是迎接工業4.0時代推動的方案之一，透過智慧設備／智慧製造技術的發展，激發產業創新風氣與研發能量，落實產業發展目標。而設備連網基層之全面感知與智慧感測為是關鍵技術之一。 　　本書內容分為三篇，在第一篇介紹常用自動化感測元件、數位類比轉換、與智慧資料擷取的一些基本概念；第二篇說明ADAM-4000系列、ADAM-6000系列及WISE-4000系列的功能，並瞭解與Modbus應用；第三篇為綜合應用篇，提供18個實習項目，實際體驗快速建立物聯網架構與智慧資料擷取應用，並讓讀者瞭解如何使用研華遠端資料擷取I/O模組，來實現所需情境與規劃人機整合應用。 本書特色 　　1.本書搭配研華設備(ADAM-4000系列、ADAM-6000系列與WISE-4000系列)使用。 　　2.介紹研華系列之物聯網應用實務，採用逐一步驟並搭配圖片說明，按圖施工保證成功。 　　3.本書共分為三篇，第一篇自動化感測與智慧資料擷取、第二篇快速建立物聯網架構與Modbus 應用、第三篇18個綜合應用實務。 目錄 第一篇 自動化感測與智慧資料擷取應用 第1章 自動化感測與智慧資料擷取簡介 1.1 緒論 1.2 自動化感測簡介 1.3 控制器之資料擷取與控制介面 1.4 智慧感測器與通訊介面 1.5 章節簡介 第2章 接觸式開關型感測元件 2.1 簡介 2.2 微動開關之構造及工作原理 2.3 微動開關的應用 2.4 微動開關的其他應用 第3章 近接感測元件 3.1 簡介 3.2 近接感測原理 3.3 近接感測器的檢測特性 3.4 近接感測之應用 3.5 磁簧開關(Magnetic Reed Switch) 第4章 光電感測元件與開關 4.1 簡介 4.2 光敏電阻元件 4.3 光二極體 4.4 光電晶體 4.5 光電開關 第二篇 快速建立物聯網架構與Modbus 應(ADAM-4000、ADAM-6000 與WISE-4000) 第5章 ADAM / WISE 家族介紹 5.1 ADAM-4000 系列(Serial) 5.2 ADAM6000 系列(Ethernet) 5.3 WISE-4000 產品系列 第6章 Modbus TCP/RTU 基礎介紹 6.1 RTU 系統架構圖 6.2 TCP 系統架構 6.3 Slaver 與Server 結構 第7章 ADAM-4000 系列 7.1 ADAM-4000 模組介紹 7.2 ADAM-4100 模組介紹 7.3 ADAM-4X00 選用注意事項 7.4 ADAM-4X00 初始化設定 7.5 使用Utility 設定ADAM4X 第8章 ADAM-6000 系列 8.1 ADAM-6000 模組介紹 8.2 ADAM-6200 模組介紹 8.3 ADAM-6X00 功能介紹 8.4 GCL 簡易入門介紹 8.5 Data Stream 8.6 Peer-to-Peer(P2P) 8.7 Access Control 8.8 密碼管理 8.9 網頁顯示 8.10 ASCII Code Command 第9章 WISE-4000 系列 9.1 WISE-4000 模組介紹 9.2 WISE-4012E 快速入門 9.3 WISE-4051 快速入門 第10章 ADAM. Net Class Library 10.1 使用Library 連接TCP 設備 10.2 使用Library 連接Serial 設備 第11章 使用Advantech Command 連接Serial 設備 第12章 ADAM-6200 REST 第13章 把資料上傳至Dropbox 第14章 資料上傳Private Server(私有網路)的設定 第三篇 綜合應用篇 第15章 物聯網應用與智慧資料擷取動手做做看. 實習簡介 實習一：ADAM-6000 系列設備連線和軟體安裝設定 實習二：運用ADAM-6224 之類比輸出與ADAM-6217 之類比輸入連接 實習三：運用ADAM-6217 與類比輸出感測器連接 實習四：運用ADAM-6250 之數位輸出與ADAM-6250 之數位輸入連接 實習五：運用ADAM-6250 與乾接點數位輸出感測器連接 實習六：運用ADAM-6250 與濕接點數位輸出連接 實習七：運用ADAM-6250 之數位輸出控制燈泡的亮暗 實習八：WISE-4000 系列設備連線和設定 實習九：運用WISE-4012 與類比輸出感測器連接 實習十：運用WISE-4012 之數位輸出與WISE-4051 之數位輸入連接 實習十一：運用WISE-4051 與乾接點數位輸出連接 實習十二：運用WISE-4051 與濕接點數位輸出連接 實習十三：運用WISE-4012 之數位輸出控制燈泡的亮暗 實習十四：運用WISE-4051 的RS-485 接口與溫度感測器連接 實習十五：運用ADAM-6217 和ADAM-6224 完成Peer to Peer 控制 實習十六：運用ADAM-6217 和ADAM-6224 完成圖像式邏輯條件(GCL)控制 實習十七：運用Data Stream 功能取得ADAM 系列產品的資料 實習十八：自行開發人機介面與應用案例 附錄 監控人機介面

AI + ESP32-CAM + AWS：物聯網與雲端運算的專題實作應用 (1版)

類似書籍推薦給您

【簡介】 整合最熱門的 AI、物聯網與雲端運算 以 AWS 整合 ESP32-CAM 為例，進行車牌辨識實作！ 本書的內容主要結合了三大元素：人工智慧、物聯網設備與雲端運算。隨著人工智慧的爆發式成長，人工智慧的應用已經遍及影像、影片、聲音、對話、文章等領域，而公有雲已經將人工智慧的開發或是應用封裝成完善的服務，對於人工智慧的模型開發者或是應用開發者而言，只需要去熟悉、了解開發框架，就可以快速應用人工智慧的技術；不需要再花時間在購買GPU，安裝驅動、安裝開發框架等基礎環境搭建的無關事務上。 本書以 Python 為主要開發語言，ESP32-CAM 作為物聯網設備，接著介紹 AWS 雲端基礎建設與機器學習的相關服務，最後將 AWS 文字∕人臉辨識與 ESP32-CAM 進行整合，完成一個結合物聯網設備、雲端運算與人工智慧的應用系統。 本書可以學到哪些知識 。Python 基礎概念 。介紹單晶片 ESP32-CAM 。使用 MicroPython 開發 ESP32-CAM 。AWS 基礎設施服務 。Amazon API Gateway 。AWS Lambda 。Amazon DynamoDB 。Amazon S3 。Amazon Rekognition 。網際網路基礎 。HTTP Request/Response 本書適合的「讀者族群」 a.【自學者】適合用於自學 Python 程式語言。 b.【自學者】適合用於自學 AWS 雲端運算。 c.【自學者】適合用於自學 ESP32-CAM。 d.【自學者】適合用於在 AWS 雲端中探索職業生涯的人。 e.【自學者】適合用於在公司內部部署 IT 或雲端，但對 AWS 雲端不熟悉的人。 f.【自造者】適合想體驗自造精神或雲地與軟硬體結合。 g.【教育者】可以作為大專院校畢業專題的教學教材。 h.【教育者】可以作為大專院校雲端運算、物聯網與人工智慧實作的教學教材。 本書結合AI人工智慧、物聯網設備與雲端運算，以AWS整合ESP32-CAM為例，進行車牌辨識的應用實作。 【目錄】 CHAPTER 01　Python 基礎 1.1　Python 說明與開發環境 1.2　Python 基礎語法 1.3　Python 基本資料類型 CHAPTER 02　Python 流程控制 2.1　Python 分支控制 2.2　Python 函數與模組 CHAPTER 03　網路程式開發概念與實作 3.1　網際網路模型 3.2　HTTP 請求∕回應格式 3.3　HTTP 範例–使用 flask 與 telnet CHAPTER 04　ESP32-CAM 開發 4.1　ESP32-CAM 簡介 4.2　使用 MicroPython 開發 ESP32-CAM–使用圖形化工具 Thonny（Windows） CHAPTER 05　ESP32-CAM 基礎應用 5.1　使用 MicroPython 檔案存取–io 5.2　使用 MicroPython 控制燈號、撰寫 ISR–machine CHAPTER 06　ESP32-CAM 進階應用 6.1　使用 MicroPython 連接 Wi-Fi、同步 NTP 6.2　使用 MicroPython 安裝新模組與使用 6.3　使用 MicroPython 拍照 CHAPTER 07　AWS 基礎概念 7.1　AWS 雲端基礎 7.2　AWS 雲端安全 7.3　申請 AWS 帳戶 CHAPTER 08　雲端儲存–Amazon S3 8.1　Amazon S3 8.2　實驗：使用 Amazon S3 建立靜態網站 CHAPTER 09　雲端接口–Amazon API Gateway 9.1　Amazon API Gateway 9.2　實驗：建立 API Gateway–using mock CHAPTER 10　雲端運算–AWS Lambda 10.1　AWS Lambda 10.2　實驗：使用 GET 方法查詢資料–Lambda 10.3　實驗：使用 POST 方法上傳圖片–Lambda CHAPTER 11　雲端資料庫–Amazon DynamoDB 11.1　Amazon DynamoDB 11.2　實驗：讀取 EXCEL 檔並存入資料庫中 11.3　實驗：查詢資料庫中的資料 CHAPTER 12　雲端視覺辨識AI–Amazon Rekognition 12.1　Amazon Rekognition 12.2　人臉辨識從 Amazon S3 讀取 12.3　實驗：文字辨識從 Amazon S3 讀取 CHAPTER 13　整合實驗：車牌辨識從定義規格開始 13.1　整合實驗：車牌辨識–定義功能 13.2　實驗：後端–API Gateway 上傳圖片並使用 POSTMAN 檢驗結果 CHAPTER 14　後端實作–整合API + 資料庫 + AI 14.1　實驗：後端–API Gateway 設定車牌辨識選項 14.2　實驗：後端–觸動 S3 事件進行文字辨識 14.3　實驗：後端–API Gateway 查詢辨識記錄 CHAPTER 15　前端實作–ESP32-CAM + 網頁 15.1　實驗：前端–使用 ESP32-CAM 呼叫上傳圖片的 REST API 15.2　實驗：前端–使用 Web 用戶端 呼叫 REST API 附錄 A　參考資料