Model Optimization Methods for Efficient and Edge AI (Hardcover)
Idioma: inglés
Editorial: John Wiley & Sons Inc, 2024
- Tapa dura
- Nuevo
Librería: CitiRetail, Stevenage, Reino UnidoCitiRetail
Vendedor de IberLibro desde 29 de junio de 2022
Condición: Nuevo
EUR 151,46
Cantidad disponible: 1 disponible
Añadir al carritoDescripción del artículo del vendedor
Hardcover. Comprehensive overview of the fledgling domain of federated learning (FL), explaining emerging FL methods, architectural approaches, enabling frameworks, and applications Model Optimization Methods for Efficient and Edge AI explores AI model engineering, evaluation, refinement, optimization, and deployment across multiple cloud environments (public, private, edge, and hybrid). It presents key applications of the AI paradigm, including computer vision (CV) and Natural Language Processing (NLP), explaining the nitty-gritty of federated learning (FL) and how the FL method is helping to fulfill AI model optimization needs. The book also describes tools that vendors have created, including FL frameworks and platforms such as PySyft, Tensor Flow Federated (TFF), FATE (Federated AI Technology Enabler), Tensor/IO, and more. The first part of the text covers popular AI and ML methods, platforms, and applications, describing leading AI frameworks and libraries in order to clearly articulate how these tools can help with visualizing and implementing highly flexible AI models quickly. The second part focuses on federated learning, discussing its basic concepts, applications, platforms, and its potential in edge systems (such as IoT). Other topics covered include: Building AI models that are destined to solve several problems, with a focus on widely articulated classification, regression, association, clustering, and other prediction problemsGenerating actionable insights through a variety of AI algorithms, platforms, parallel processing, and other enablersCompressing AI models so that computational, memory, storage, and network requirements can be substantially reducedAddressing crucial issues such as data confidentiality, data access rights, data protection, and access to heterogeneous dataOvercoming cyberattacks on mission-critical software systems by leveraging federated learning Written in an accessible manner and containing a helpful mix of both theoretical concepts and practical applications, Model Optimization Methods for Efficient and Edge AI is an essential reference on the subject for graduate and postgraduate students, researchers, IT professionals, and business leaders. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability.…
N° de ref. del artículo 9781394219216
- Título
- Model Optimization Methods for Efficient and Edge AI (Hardcover)
- Autor
- Pethuru Raj Chelliah
- Editorial
- John Wiley & Sons Inc
- Año de publicación
- 2024
- Estado
- new
- Encuadernación
- Hardcover
- Idioma
- inglés
- ISBN 10
- 1394219210
- ISBN 13
- 9781394219216
Comprehensive overview of the fledgling domain of federated learning (FL), explaining emerging FL methods, architectural approaches, enabling frameworks, and applications
Model Optimization Methods for Efficient and Edge AI explores AI model engineering, evaluation, refinement, optimization, and deployment across multiple cloud environments (public, private, edge, and hybrid). It presents key applications of the AI paradigm, including computer vision (CV) and Natural Language Processing (NLP), explaining the nitty-gritty of federated learning (FL) and how the FL method is helping to fulfill AI model optimization needs. The book also describes tools that vendors have created, including FL frameworks and platforms such as PySyft, Tensor Flow Federated (TFF), FATE (Federated AI Technology Enabler), Tensor/IO, and more.
The first part of the text covers popular AI and ML methods, platforms, and applications, describing leading AI frameworks and libraries in order to clearly articulate how these tools can help with visualizing and implementing highly flexible AI models quickly. The second part focuses on federated learning, discussing its basic concepts, applications, platforms, and its potential in edge systems (such as IoT).
Other topics covered include:
- Building AI models that are destined to solve several problems, with a focus on widely articulated classification, regression, association, clustering, and other prediction problems
- Generating actionable insights through a variety of AI algorithms, platforms, parallel processing, and other enablers
- Compressing AI models so that computational, memory, storage, and network requirements can be substantially reduced
- Addressing crucial issues such as data confidentiality, data access rights, data protection, and access to heterogeneous data
- Overcoming cyberattacks on mission-critical software systems by leveraging federated learning
Written in an accessible manner and containing a helpful mix of both theoretical concepts and practical applications, Model Optimization Methods for Efficient and Edge AI is an essential reference on the subject for graduate and postgraduate students, researchers, IT professionals, and business leaders.
“Sinopsis” puede pertenecer a otra edición de este título.
Acerca del autor
Pethuru Raj Chelliah, PhD, is the Chief Architect of the Edge AI division of Reliance Jio Platforms Ltd. (JPL), Bangalore, India.
Amir Masoud Rahmani, PhD, is an artificial intelligence faculty member at the National Yunlin University of Science and Technology, Taiwan.
Robert Colby is a Principal Engineer in IT Infrastructure responsible for Manufacturing Network Architecture and IoT Infrastructure at Intel Corporation.
Gayathri Nagasubramanian, PhD, is an Assistant Professor with the Department of Computer Science and Engineering at GITAM University in Bengaluru, India.
Sunku Ranganath is a Principal Product Manager for Edge Infrastructure Services at Equinix.
“Acerca de” puede pertenecer a otra edición de este título.
CitiRetail
Stevenage, Reino Unido
Vendedor de IberLibro desde 29 de junio de 2022
Tarifas de envío de Reino Unido a Estados Unidos de America
| Artículo | De 7 a 14 días hábiles | De 7 a 60 días hábiles |
|---|---|---|
| Primer artículo | EUR 43,88 | EUR 43,88 |
Métodos de pago
Descripción de la tienda
Online business
Información empresarial del vendedor
ABC BOOKS LIMITED
10 John Street
London, Reino Unido WC1N 2EB
Condiciones de venta
Orders can be returned within 30 days of receipt.
Derecho al desistimiento
Si es un consumidor, puede rescindir el contrato de acuerdo con lo siguiente. Por consumidor se entiende cualquier persona física que actúe con fines ajenos a su actividad comercial, empresarial, oficio o profesión.
Información sobre el derecho de desistimiento
Derecho legal de desistimiento
Tiene derecho a rescindir este contrato en un plazo de 14 días sin dar ningún motivo.
El periodo de desistimiento vencerá a los 14 días desde que usted, o un tercero que no sea el transportista e indicado por usted, adquiera la posesión física del último bien o del último lote o pieza.
Para ejercer el derecho de desistimiento, complete de forma electrónica y envíe una declaración clara en nuestro sitio web, desde "Mis compras" en "Mi cuenta". Le enviaremos sin demora un acuse de recibo de dicho desistimiento a través de un soporte duradero (por ejemplo, por correo electrónico).
Para cumplir con el plazo de desistimiento, basta con que envíe su comunicación relativa al ejercicio del derecho de desistimiento antes de que venza el periodo de desistimiento.
Efectos del desistimiento
Si rescinde este contrato, le reembolsaremos todos los pagos que hayamos recibido de usted, incluidos los gastos de envío (excepto los gastos adicionales que surjan si elige un tipo de envío que no sea el tipo de envío estándar más económico que ofrecemos).
Podemos hacer una deducción del reembolso por la pérdida de valor de cualquier bien suministrado, si la pérdida es el resultado de una manipulación innecesaria por su parte.
Efectuaremos el reembolso sin demoras indebidas y, a más tardar, 14 días después de que se nos informe de su decisión de rescindir este contrato.
Efectuaremos el reembolso utilizando el mismo medio de pago que utilizó para la transacción inicial, a menos que haya acordado expresamente lo contrario; en cualquier caso, no incurrirá en ningún cargo como resultado de dicho reembolso.
Podremos retener el reembolso hasta que hayamos recibido los bienes o hasta que nos haya presentado una prueba de que los ha devuelto, lo que ocurra primero.
Deberá devolver los bienes o entregarlos a CitiRetail, Stevenage, United Kingdom, sin demoras indebidas y, en cualquier caso, en un plazo máximo de 14 días a partir del día en que nos comunique su desistimiento del presente contrato. El plazo se cumple si devuelve la mercancía antes de que venza el periodo de 14 días. Tendrá que asumir los gastos directos de devolución de los bienes. Usted solo es responsable de la disminución del valor de los bienes como resultado de una manipulación distinta a la necesaria para establecer la naturaleza, las características y el funcionamiento de los bienes.
Excepciones al derecho de desistimiento
El derecho de desistimiento no se aplica a lo siguiente:
- La entrega de periódicos, diarios o revistas, con la excepción de los contratos de suscripción; y
- El suministro de contenido digital que no se proporcione en un soporte tangible (por ejemplo, en un CD o DVD) si, al hacer el pedido, aceptó que podíamos empezar a entregarlo y que no podría desistir una vez iniciada la entrega.
Condiciones de envío
Please note that titles are dispatched from our US, Canadian or Australian warehouses. Delivery times specified in shipping terms. Orders ship within 2 business days. Delivery to your door then takes 7-14 days.