AIoT智慧科技概論－穿戴式裝置與未來生活應用
活動訊息
閱讀漫遊錄-2026上半年暢銷榜
內容簡介
本書聚焦AIoT與穿戴式科技，從基礎出發涵蓋Python實作、訊號處理與深度學習架構。詳述如何將模型部署至邊緣端實現TinyML，並結合雲端平台進行大數據整合分析。透過智慧醫療與運動科學等實務專題，帶領讀者掌握從數據採集、運算到智慧決策的完整流程，並探討資安法規與倫理挑戰，是掌握下一代智慧物聯網核心技術的實戰指南。
目錄
CH1 緒論：AIoT與穿戴式科技的時代
1-1 AIoT的定義與核心概念:數位神經系統的演化
1-2 人工智慧的發展史---從規則到學習：AI演算法與算力的微型化演進
1-3 穿戴式科技的演進（從智慧手環到醫療級設備）
1-4 為什麼AIoT是穿戴式科技的關鍵推動力
1-5 穿戴式裝置的硬體設計要素（微控制器、感測器、電池、顯示）
1-6 全球產業應用現況
1-7 AIoT的倫理挑戰與資料隱私
1-8 總結
CH2 AIoT技術基礎
2-1 人工智慧（AI）在穿戴式裝置中的角色
2-2 穿戴式AI的演進：從數據分析到生成式智慧代理
2-3 物聯網（IoT）連結與通訊協定（Bluetooth, Wi-Fi, 5G, LPWAN）
2-4 感測器技術：加速度計、心率感測、腦波感測、溫度、血氧
2-5 邊緣運算與雲端運算的分工
2-6 AIoT資料流程：收集 → 傳輸 → 分析 → 反饋
2-7 資安與隱私保護與未來6G通訊展望
2-8 總結：AIoT 技術基礎的完整架構
CH3訊號偵測技術
3-1 心率、血壓、血氧偵測原理
3-2 EEG/EMG等腦波與肌電訊號偵測
3-3 運動與姿態偵測(加速度、陀螺儀、壓力感測)
3-4 環境訊號偵測(溫濕度、氣體、光線、音訊)
3-5 穿戴式醫療裝置與遠距醫療系統
3-6 訊號偵測技術 心率、腦波、姿態、環境訊號、遠距醫療
3-7 法規「醫療驗證標準、TFDA/FDA規範」內容
3-8 總結
CH4訊號處理
4-1 資料前處理與建立資料庫模型
4-2 雜訊抑制與過濾訊號
4-3 特徵萃取(Feature Extraction)
4-4 總結
CH5演算法與計算基礎
5-1 基本資料結構
5-2 常見演算法設計策略
5-3 演算法複雜度與分析方法
5-4 機率分析與隨機演算法
5-5 經典排序與搜尋演算法
5-6 進階演算法技術
5-7 實作練習題
5-8 總結
CH6機器學習與資料處理基礎
6-1 機器學習基本概念
6-2 機器學習概論
6-3 資料前處理與特徵工程
6-4 分類與迴歸的基礎方法
6-5 分群與降維方法
6-6 醫療資料分析實作
6-7 總結
CH7人工神經網路
7-1 生物神經元與人工神經元對照
7-2 感知機與多層感知機
7-3 卷積神經網路（CNN）
7-4 深度學習與進階架構
7-5 神經網路的挑戰與未來發展
7-6 實作目標與系統架構
7-7 總結
CH8 穿戴式應用概述
8-1 AIoT 穿戴式應用概述
8-2 智慧醫療與健康監測
8-3 臨床與慢性病照護應用
8-4 運動科學與表現分析
8-5 BCI（腦機介面）穿戴
8-6 智慧生活應用
8-7 智慧產業與XR娛樂
8-8 實作專題：基於邊緣運算的跌倒偵測警報器
8-9 總結
CH9邊緣運算與雲端運算
9-1 Edge AI 與雲端架構概述
9-2 Edge AI與Cloud AI的任務分工
9-3 TinyML簡介
9-4 IoT資料處理流程（從感測器到AI判斷）
9-5 Edge AI的挑戰（計算限制/電力限制/架構限制）
9-6 醫療雲端的資安與法規
9-7 總結
CH10 AIoT程式實作基礎
10-1 Python簡介與基本語法
10-2 Python基本資料處理
10-3 Python 資料串接與傳遞
10-4 Python與IoT應用開發
10-5 Python實作簡單ML/AI模型(Scikit-learn)
10-6 樹莓派 (Raspberry Pi)
10-7 Nvidia Jetson Nano
10-8 總結
10-9 專題範例：打造AIoT智慧溫控大腦
10-A 章節附錄—樹莓派的安裝方式
CH11 TinyML與Edge AI實作
11-1 AIoT邊緣設備開發實作(Arduino、ESP32)
11-2 Edge AI架設實務
11-3 TinyML的模型壓縮技術(量化、剪枝、蒸餾)
11-4 TinyML實作(ESP32)
11-5 節點AI模型部署
11-6 小型感測器串接與推論(以IMU為例)
11-7 實作流程
11-8 專題範例
CH12 IoT雲端平台
12-1 IoT雲端整體系統架構概念
12-2 IoT裝置與雲端同步
12-3 雲端平台操作範例
12-4 深度學習與進階架構
12-5 醫療雲端平台實務案例
12-6 IoT專題實作（ESP32+MQTT+Cloud）
12-7 總結
CH13挑戰限制與未來展望
13-1 隱私與資料保護 (個人資料蒐集倫理、去識別化)
13-2 醫療法規與制度遵循(資安法規（GDPR/台灣個資法）)
13-3 資安風險與防禦 (常見攻擊、資訊保護策略)
13-4 使用者與市場接受度(使用者體驗/人因工程)
13-5 未來展望 (超低功耗AI與NPU／Edge SoC；6G與AIoT；人機介面與XR)
13-6 總結
1-1 AIoT的定義與核心概念:數位神經系統的演化
1-2 人工智慧的發展史---從規則到學習：AI演算法與算力的微型化演進
1-3 穿戴式科技的演進（從智慧手環到醫療級設備）
1-4 為什麼AIoT是穿戴式科技的關鍵推動力
1-5 穿戴式裝置的硬體設計要素（微控制器、感測器、電池、顯示）
1-6 全球產業應用現況
1-7 AIoT的倫理挑戰與資料隱私
1-8 總結
CH2 AIoT技術基礎
2-1 人工智慧（AI）在穿戴式裝置中的角色
2-2 穿戴式AI的演進：從數據分析到生成式智慧代理
2-3 物聯網（IoT）連結與通訊協定（Bluetooth, Wi-Fi, 5G, LPWAN）
2-4 感測器技術：加速度計、心率感測、腦波感測、溫度、血氧
2-5 邊緣運算與雲端運算的分工
2-6 AIoT資料流程：收集 → 傳輸 → 分析 → 反饋
2-7 資安與隱私保護與未來6G通訊展望
2-8 總結：AIoT 技術基礎的完整架構
CH3訊號偵測技術
3-1 心率、血壓、血氧偵測原理
3-2 EEG/EMG等腦波與肌電訊號偵測
3-3 運動與姿態偵測(加速度、陀螺儀、壓力感測)
3-4 環境訊號偵測(溫濕度、氣體、光線、音訊)
3-5 穿戴式醫療裝置與遠距醫療系統
3-6 訊號偵測技術 心率、腦波、姿態、環境訊號、遠距醫療
3-7 法規「醫療驗證標準、TFDA/FDA規範」內容
3-8 總結
CH4訊號處理
4-1 資料前處理與建立資料庫模型
4-2 雜訊抑制與過濾訊號
4-3 特徵萃取(Feature Extraction)
4-4 總結
CH5演算法與計算基礎
5-1 基本資料結構
5-2 常見演算法設計策略
5-3 演算法複雜度與分析方法
5-4 機率分析與隨機演算法
5-5 經典排序與搜尋演算法
5-6 進階演算法技術
5-7 實作練習題
5-8 總結
CH6機器學習與資料處理基礎
6-1 機器學習基本概念
6-2 機器學習概論
6-3 資料前處理與特徵工程
6-4 分類與迴歸的基礎方法
6-5 分群與降維方法
6-6 醫療資料分析實作
6-7 總結
CH7人工神經網路
7-1 生物神經元與人工神經元對照
7-2 感知機與多層感知機
7-3 卷積神經網路（CNN）
7-4 深度學習與進階架構
7-5 神經網路的挑戰與未來發展
7-6 實作目標與系統架構
7-7 總結
CH8 穿戴式應用概述
8-1 AIoT 穿戴式應用概述
8-2 智慧醫療與健康監測
8-3 臨床與慢性病照護應用
8-4 運動科學與表現分析
8-5 BCI（腦機介面）穿戴
8-6 智慧生活應用
8-7 智慧產業與XR娛樂
8-8 實作專題：基於邊緣運算的跌倒偵測警報器
8-9 總結
CH9邊緣運算與雲端運算
9-1 Edge AI 與雲端架構概述
9-2 Edge AI與Cloud AI的任務分工
9-3 TinyML簡介
9-4 IoT資料處理流程（從感測器到AI判斷）
9-5 Edge AI的挑戰（計算限制/電力限制/架構限制）
9-6 醫療雲端的資安與法規
9-7 總結
CH10 AIoT程式實作基礎
10-1 Python簡介與基本語法
10-2 Python基本資料處理
10-3 Python 資料串接與傳遞
10-4 Python與IoT應用開發
10-5 Python實作簡單ML/AI模型(Scikit-learn)
10-6 樹莓派 (Raspberry Pi)
10-7 Nvidia Jetson Nano
10-8 總結
10-9 專題範例：打造AIoT智慧溫控大腦
10-A 章節附錄—樹莓派的安裝方式
CH11 TinyML與Edge AI實作
11-1 AIoT邊緣設備開發實作(Arduino、ESP32)
11-2 Edge AI架設實務
11-3 TinyML的模型壓縮技術(量化、剪枝、蒸餾)
11-4 TinyML實作(ESP32)
11-5 節點AI模型部署
11-6 小型感測器串接與推論(以IMU為例)
11-7 實作流程
11-8 專題範例
CH12 IoT雲端平台
12-1 IoT雲端整體系統架構概念
12-2 IoT裝置與雲端同步
12-3 雲端平台操作範例
12-4 深度學習與進階架構
12-5 醫療雲端平台實務案例
12-6 IoT專題實作（ESP32+MQTT+Cloud）
12-7 總結
CH13挑戰限制與未來展望
13-1 隱私與資料保護 (個人資料蒐集倫理、去識別化)
13-2 醫療法規與制度遵循(資安法規（GDPR/台灣個資法）)
13-3 資安風險與防禦 (常見攻擊、資訊保護策略)
13-4 使用者與市場接受度(使用者體驗/人因工程)
13-5 未來展望 (超低功耗AI與NPU／Edge SoC；6G與AIoT；人機介面與XR)
13-6 總結
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價