学习使用自适应算法来解决现实世界的流数据问题。本书涵盖了从简单到复杂的众多数据处理挑战。在每一步中，您都将深入了解真实世界的用例，找到解决方案，探索用于解决这些问题的代码，并创建供自己使用的新算法。

作者 Chanchal Chatterjee 和 Vwani P. Roychowdhury 首先介绍了一个用于创建自适应算法的通用框架，并演示了如何使用它来解决各种流数据问题。示例范围从使用矩阵函数解决机器学习和数据分析问题到更关键的边缘计算问题。它们以最少的计算、内存、延迟和带宽处理时变的非平稳数据。

读完本书后，您将对如何解决自适应机器学习和数据分析问题有深入的了解，并能够为自己的用例推导出新的算法。您还将获得在低计算、低延迟环境中处理高维高容量时变数据的解决方案。

 您将学习什么

• 将自适应算法应用于实际应用和示例
• 了解时变多维数据的相关数据表示特征和计算模型
• 通过对真实数据的实验，推导均值、中位数、协方差、特征向量 （PCA） 和广义特征向量的自适应算法
• 加快算法速度，并将其用于真实世界的稳态和非稳态数据
• 掌握自适应算法在关键边缘设备计算应用中的应用

这本书是给谁看的

机器学习工程师、数据科学家和架构师、软件工程师和处理边缘设备计算和数据管理的架构师。