در عصر اینترنت اشیا (IoT)، تعداد بسیار زیادی از دستگاه‌های سنجش، داده‌های حسی مختلفی را برای طیف وسیعی از برنامه‌ها در طول زمان جمع آوری و تولید می‌کنند. این داده‌ها عمدتا از جریان‌های بزرگ، سریع و بلادرنگ مبتنی بر برنامه‌ها تشکیل شده اند. استفاده از تجزیه و تحلیل در رابطه با چنین داده‌های بزرگی یا جریان‌های داده برای یادگیری اطلاعات جدید، پیش بینی آینده نگرانه و تصمیم گیری آگاهانه بسیار مهم است و IoT را به الگویی شایسته برای مشاغل و فناوری‌های بهبود دهنده کیفیت زندگی تبدیل می‌کند.

هوش مصنوعی به سرعت در حال رشد است که ناشی از پیشرفت در شبکه‌های عصبی (NN) و یادگیری عمیق (DL) است. با افزایش سرمایه گذاری در شهرهای هوشمند، مراقبت‌های بهداشتی هوشمند و اینترنت اشیا (IoT) صنعتی، تجاری سازی اینترنت اشیا به زودی در اوج خواهد بود که در آن مقادیر زیادی از داده‌های تولید شده توسط دستگاه‌های اینترنت اشیا نیاز به پردازش در مقیاس بزرگ دارند.

این کتاب برای تسهیل کردن تجزیه و تحلیل و یادگیری در برنامه‌های مختلف اینترنت اشیا، مروری کامل از یک کلاس از تکنیک‌های پیشرفته یادگیری ماشین به نام یادگیری عمیق (DL) را برای شما فراهم می‌کند. کتاب «یادگیری عمیق عملی برای اینترنت اشیا»، دید عمیق‌تری را در مورد داده‌های اینترنت اشیا فراهم می‌کند، که با معرفی چگونگی متناسب سازی DL در زمینه هوشمند سازی برنامه‌های اینترنت اشیا، آغاز می‌شود. سپس چگونگی ساخت معماری‌های عمیق با استفاده از TensorFlow، Keras و Chainer برای IoT را پوشش می‌دهد.

شما خواهید آموخت که چگونه شبکه‌های عصبی کانولشنال (CNN) را برای توسعه برنامه هایی برای تشخیص مبتنی بر تصویر دست انداز‌های جاده ای و تفکیک هوشمند زباله‌ها آموزش دهید و به دنبال آن کنترل نور هوشمند صوتی و مکانیسم‌های دسترسی به منزل را با استفاده از شبکه‌های عصبی بازگشتی (RNN) آغاز کنید. شما با استفاده از خود رمز گذار ها، DeepFi و شبکه‌های LSTM به برنامه‌های اینترنت اشیا برای محلی سازی داخلی، نگهداری قابل پیشبینی و مکان یابی تجهیزات در یک بیمارستان بزرگ تسلط خواهید یافت. علاوه بر این، با امنیت تقویت شده اینترنت اشیا، توسعه برنامه اینترنت اشیا را برای مراقبت‌های بهداشتی یاد خواهید گرفت.

در ویرایش نهم کتاب Operating Systems: Internals and Design Principles، مطالب مربوط به لینوکس و اندروید به روز شده اند تا تغییرات ایجاد شده را پوشش دهد. فصل مربوط به ماشین‌های مجازی کاملاً بازنویسی شده است تا بتواند سازماندهی بهتری ارائه دهد. علاوه بر این، بخش جدیدی در مورد استفاده از container‌ها نیز اضافه شده است.

در ویرایش جدید این کتاب بررسی سیستم عامل‌های ابری نیز اضافه شده است ازجمله مروری بر رایانش ابری، بحث در مورد اصول و نیازمندی‌های مورد نیاز برای یک سیستم عامل ابری و بررسی OpenStack که یک سیستم عامل ابری متن باز محبوب است. همچنین در ویرایش جدید، مطالبی در مورد سیستم عامل‌های اینترنت اشیا نیز اضافه شده است؛ که این مطالب شامل مروری بر اینترنت اشیا، بحث در مورد اصول و الزامات سیستم عامل‌های IoT و سیستم عامل RIOT که سیستم عامل محبوب متن باز برای اینترنت اشیا است، می‌شود.

فصل مربوط به سیستم عامل‌های Embedded نیز به طور اساسی مورد باز نگری قرار گرفته است که شامل مباحثی در مورد میکرو کنترلر ها، سیستم‌های embeded، سیستم عامل‌های embedded، سیستم لینوکس embedded و μClinux می‌شود. همچنین برای کمک به دانشجویان در درک بهتر اصول همزمانی، پروژه‌های جدیدی در این مورد به کتاب اضافه شده اند.

ما در میان یک انقلاب تکنولوژیک هستیم. همان طور که با انقلاب قبلی، عدم توانایی در انطباق با روش‌های جدید مهارت‌های توسعه شما را دیر یا زود منسوخ کرد. آغاز گر این انقلاب، انقلاب ابری (Cloud Revolution)، کلان داده، اینترنت اشیا (IoT) و هوش مصنوعی (AI) ، همگی چشم انداز توسعه‌ی نرم افزار را تغییر دادند. همان طور که وارد عصر هوش مصنوعی و اینترنت اشیا می‌شویم، تکنولوژی دیگری در حاضر در سراسر جهان مطرح شده است که بلاکچین نام دارد. ترکیب اینترنت اشیا و بلاکچین که از هوش مصنوعی قدرت بگیرند، دوباره در توسعه نرم افزار انقلاب می‌کنند.

کتاب اینترنت اشیا، هوش مصنوعی و بلاکچین برای دات نت، این که چگونه قابلیت‌های هوش مصنوعی (AI)، و یادگیری ماشین (ML) می‌توانند با استفاده از اینترنت اشیا (IoT) تقویت شوند و با استفاده بلاکچین (Blockchain) امن شوند را بررسی کرده است. بنابراین برنامه‌های شما نه تنها می‌توانند باهوش‌تر باشند بلکه می‌توانند متصل‌تر باشند و از هر موقعی امن‌تر باشند. این کتاب API‌ها و سرویس هایی از مایکروسافت شامل Azure IoT، API‌های سرویس‌های (Cognitive، Blockchain as a Service (Baas و Machine Learning Studio را پوشش می‌دهد.