Making Sense of Sensors: End-to-End Algorithms and Infrastructure Design from Wearable-Devices to Data Center

از معماری‌های رایجی که برای استخراج داده‌های معنادار از حسگرها استفاده می‌شود، حداکثر استفاده را ببرید. این کتاب ابزارهایی را برای درک نحوه تبدیل داده‌های حسگر به دانش عملی در اختیار شما قرار می‌دهد و نکاتی را برای کار عمیق در این زمینه ارائه می‌دهد.

ایجاد حس حسگرها با یک نمای کلی خط لوله عمومی برای استخراج داده های معنی دار از حسگرها. سپس به عمق برخی از حسگرها و الگوریتم‌های رایج استفاده می‌شود که برای استخراج دانش طراحی شده‌اند. مثال های عملی و اشاره به اطلاعات بیشتر برای تشریح جنبه های کلیدی تشخیص چندوجهی استفاده می شود. این کتاب با بحث در مورد استخراج رابطه، بازنمایی دانش و مدیریت به پایان می رسد.

در دنیای امروزی ما توسط حسگرهایی احاطه شده‌ایم که انواع مختلفی از داده‌ها را درباره ما و محیط‌هایمان جمع‌آوری می‌کنند. این حسگرها دستگاه های ورودی اولیه برای رایانه های پوشیدنی، اینترنت اشیا و سایر دستگاه های تلفن همراه هستند. اطلاعات به گونه ای ارائه می شود که به خوانندگان امکان می دهد مثال ها را با زندگی روزمره خود برای درک بهتر مفاهیم مرتبط کنند.

آنچه یاد خواهید گرفت

• به معماری کلی داده‌های مبتنی بر حسگر نگاه کنید
  
• دریابید که چگونه داده‌های حوزه‌های رایج مانند اینرسی، بصری و صوتی پردازش می‌شوند
  
• تسلط بر تشخیص چندوجهی با استفاده از چندین حسگر ناهمگن
  
• انتقال از شناخت به دانش از طریق درک رابطه بین موجودیت ها
  
• استفاده از روش ها و ابزارهای مختلف برای نمایش و مدیریت دانش< /li>

فارغ التحصیلان جدید کالج و متخصصان علاقه مند به کسب دانش و مهارت های توسعه راه حل های نوآورانه پیرامون دستگاه های غنی از حسگر امروزی.

Make the most of the common architectures used for deriving meaningful data from sensors. This book provides you with the tools to understand how sensor data is converted into actionable knowledge and provides tips for in-depth work in this field.

Making Sense of Sensors starts with an overview of the general pipeline to extract meaningful data from sensors. It then dives deeper into some commonly used sensors and algorithms designed for knowledge extraction. Practical examples and pointers to more information are used to outline the key aspects of Multimodal recognition. The book concludes with a discussion on relationship extraction, knowledge representation, and management.

In today’s world we are surrounded by sensors collecting various types of data about us and our environments. These sensors are the primary input devices for wearable computers, IoT, and other mobile devices. The information is presented in way that allows readers to associate the examples with their daily lives for better understanding of the concepts.

What You'll Learn

• Look at the general architecture for sensor based data
  
• Understand how data from common domains such as inertial, visual and audio is processed
  
• Master multi-modal recognition using multiple heterogeneous sensors
  
• Transition from recognition to knowledge through relationship understanding between entities
  
• Leverage different methods and tools for knowledge representation and management

New college graduates and professionals interested in acquiring knowledge and the skills to develop innovative solutions around today's sensor-rich devices.