TinyML pratique : Exploitez la puissance du Machine Learning sur les appareils périphériques
A

TinyML pratique : Exploitez la puissance du Machine Learning sur les appareils périphériques

Microcontrôleurs
TinyML machine learning edge computing microcontrollers embedded systems model optimization deep learning
Auteur
Rohan Banerjee
Éditeur
BPB Online
Année
2023
Langue
Anglais
47
Évaluer ce livre

Pour lire le livre, se connecter / s'inscrire

Aperçu du fragment

Livres similaires

Machine Learning Pratique avec C++ : Construire, entraîner et déployer des pipelines de machine learning et de deep learning de bout en bout

Machine Learning Pratique avec C++ : Construire, entraîner et déployer des pipelines de machine learning et de deep learning de bout en bout

Kirill Kolodiazhnyi

Algorithmes d'Apprentissage Automatique Adaptatifs avec Python : Résoudre les Problèmes d'Analyse de Données et d'Apprentissage Automatique sur les Appareils Edge

Algorithmes d'Apprentissage Automatique Adaptatifs avec Python : Résoudre les Problèmes d'Analyse de Données et d'Apprentissage Automatique sur les Appareils Edge

Chanchal Chatterjee

Pro Machine Learning Algorithms : Une Approche Pratique pour Implémenter des Algorithmes en Python et R

Pro Machine Learning Algorithms : Une Approche Pratique pour Implémenter des Algorithmes en Python et R

V Kishore Ayyadevara

Machine Learning Pratique avec Scikit-Learn et PyTorch : Concepts, Outils et Techniques pour Construire des Systèmes Intelligents

Machine Learning Pratique avec Scikit-Learn et PyTorch : Concepts, Outils et Techniques pour Construire des Systèmes Intelligents

Aurélien Géron

Machine Learning Pratique avec Scikit-Learn, Keras & TensorFlow : Concepts, Outils et Techniques pour Construire des Systèmes Intelligents

Machine Learning Pratique avec Scikit-Learn, Keras & TensorFlow : Concepts, Outils et Techniques pour Construire des Systèmes Intelligents

Aurélien Géron

Théorie et Applications du Machine Learning : Cas pratiques avec Python sur des machines classiques et quantiques

Théorie et Applications du Machine Learning : Cas pratiques avec Python sur des machines classiques et quantiques

Xavier Vasques

Machine Learning pour les Ingénieurs : Principes et Algorithmes via le Traitement du Signal et la Théorie de l'Information

Machine Learning pour les Ingénieurs : Principes et Algorithmes via le Traitement du Signal et la Théorie de l'Information

Osvaldo Simeone

Ingénierie de Plateforme de Machine Learning : Construire une plateforme de développement interne pour les systèmes ML et IA

Ingénierie de Plateforme de Machine Learning : Construire une plateforme de développement interne pour les systèmes ML et IA

Benjamin Tan Wei Hao, Shanoop Padmanabhan, Varun Mallya

IA et ML pour les codeurs en PyTorch : Un guide du codeur pour l'IA générative et l'apprentissage automatique

IA et ML pour les codeurs en PyTorch : Un guide du codeur pour l'IA générative et l'apprentissage automatique

Laurence Moroney

Construire des Applications Propulsées par le Machine Learning : De l'Idée au Produit

Construire des Applications Propulsées par le Machine Learning : De l'Idée au Produit

Emmanuel Ameisen