邊緣AI正轉變著電腦與現實世界的互動方式，讓物聯網裝置能夠重拾先前因成本、頻寬或電力限制而被捨棄的99%感測器資料，進而做出決策。透過嵌入式機器學習等技術，開發者就能精煉人類直覺並將其部署到各種目標上，涵蓋了超低功耗微控制器到嵌入式Linux裝置。

這本實用指南為專業工程人士，包括產品經理和技術主管，提供了一個運用邊緣AI技術來解決實際工業、商業和科學問題的端對端框架。你將有機會探索從資料收集、模型最佳化再到調校測試的所有階段，學習如何設計和支援邊緣AI和嵌入式機器學習產品。邊緣AI必定會成為系統工程師的標準工具，本書中的高階路線圖可幫助你快速上手。

．奠定關於邊緣裝置的AI和ML專業知識
．了解哪些專案最適合使用邊緣AI來解決
．探索邊緣AI應用的關鍵設計模式
．學習開發AI系統的迭代工作流程
．打造一支能夠解決實際問題的團隊
．遵循負責任AI過程來製作有效的產品

「本書針對如何結合現今的AI智慧技術和嵌入式系統做了完美的介紹」
—Elecia White
《Making Embedded Systems》書籍作者與Embedded數位廣播節目主持人

「任何剛踏入這個新興領域的人都會受益於本書所提供的深刻見解和清晰思緒」
—Aurélien Geron
曾任YouTube自動影片分類小組主管與暢銷書作家

「我可以想像這本書被大家當作參考書來反覆查找」
—Fran Baker
Arm永續與社會影響力部門主任

Daniel Situnayake

是Edge Impulse的機器學習部門主管，負責嵌入式機器學習的研發工作。

Jenny Plunkett

是Edge Impulse的資深開發者關係工程師，同時也是一位技術講者、開發者傳教士和技術內容創作者。

前言

第1章 邊緣AI簡介
　定義關鍵詞彙
　為什麼需要邊緣AI

第2章 真實世界中的邊緣AI
　邊緣AI 的常見使用案例
　應用類型
　以負責任的態度來開發應用

第3章 邊緣AI 的各種硬體
　感測器、訊號與資料來源
　邊緣AI 處理器

第4章 邊緣AI 演算法
　特徵工程
　AI 演算法

第5章 工具和專業知識
　建立邊緣AI 開發團隊
　產業工具

第6章 理解和界定問題
　邊緣AI 工作流程
　我需要邊緣AI 嗎
　確定可行性

第7章 如何建立資料集
　資料集長什麼樣子
　理想的資料集
　資料集和領域專業知識
　資料、倫理和負責任的 AI
　以資料為中心的機器學習
　估算資料需求
　取得資料
　儲存與取得資料
　確保資料品質
　準備資料
　隨著時間建立資料集

第8章 設計邊緣AI 應用程式
　產品和體驗設計
　架構設計
　考慮設計中的各種選項

第9章 開發邊緣AI 應用程式
　邊緣AI 的迭代式開發工作流程
　總結

第10章 評估、部署和支援邊緣AI 應用程式
　評估邊緣AI 系統
　部署邊緣AI 應用程式
　支援邊緣AI 應用

第11章 案例：野生動物監測系統
　探索問題
　探索解決方案
　設定目標
　設計解決方案
　蒐集資料集
　DSP 和機器學習工作流程
　測試模型
　部署
　迭代和回饋循環
　AI 造福世界
　相關成果

第12章 使用案例：食品品質保證
　探索問題
　探索解決方案
　設定目標
　設計解決方案
　蒐集資料集
　DSP 和機器學習工作流程
　測試模型
　部署
　迭代和回饋循環
　相關成果

第13章 使用案例：消費性產品使用案例－消費性產品
　探索問題
　設定目標
　設計解決方案
　蒐集資料集
　DSP 和機器學習工作流程
　測試模型
　部署
　迭代和回饋循環
　相關成果

索引