دوره آموزشی یادگیری ماشین برای توسعه دهندگان iOS
1 ساعت 26 دقیقهپیشرفته2018-04-04
مدرسین

Brian Advent
Software Developer, Educator, Mathematician
جزئیات دوره
آیا می خواهید مدل های یادگیری ماشینی سفارشی برای بهبود برنامه های iOS خود بسازید؟ حتی اگر شما یک متخصص یادگیری ماشین نیستید، Core ML ادغام یک مدل یادگیری ماشین موجود در یک برنامه iOS را آسان می کند. و با Turi Create، اپل همچنین یک چارچوب پایتون ارائه میکند که توسعه مدلهای یادگیری ماشین سفارشی را ساده میکند. این دوره مقدمه ای بر یادگیری ماشین و چارچوب Core ML ارائه می دهد و نحوه ساخت مدل یادگیری ماشینی سفارشی خود و ادغام آن در یک برنامه iOS را پوشش می دهد. پس از پایان این دوره، شما یک طبقه بندی تصویر ساخته اید که می تواند گربه ها را از سگ ها در تصویر ارائه شده تشخیص دهد.
اهداف یادگیری
استفاده از Turi Create برای ایجاد مدل های سفارشی
راحت شدن با پایتون
آماده سازی داده ها برای Turi Create
ایجاد یک مدل یادگیری ماشینی با Turi Create
پیاده سازی کنترلر انتخاب کننده تصویر
استفاده از Core ML و چارچوب Vision برای طبقه بندی تصاویر
اهداف یادگیری
استفاده از Turi Create برای ایجاد مدل های سفارشی
راحت شدن با پایتون
آماده سازی داده ها برای Turi Create
ایجاد یک مدل یادگیری ماشینی با Turi Create
پیاده سازی کنترلر انتخاب کننده تصویر
استفاده از Core ML و چارچوب Vision برای طبقه بندی تصاویر
مهارت ها
iOSMachine LearningAppleArtificial Intelligence (AI)Learning
سرفصل ها
0. مقدمه
- 01 - خوش آمدید
- 02 - آنچه باید بدانید
- 03 - استفاده از فایلهای تمرین
1. یادگیری ماشینی - مبانی و ابزار
- 04 - یادگیری ماشین و Core ML
- 05 - مدلهای سفارشی با Turi Create
- 06 - راهاندازی یادگیری ماشین شما
- 07 - راحت شدن با پایتون، قسمت 1
- 08 - راحت شدن با پایتون، قسمت 2
2. گربهها در مقابل سگها - یک مدل ML ایجاد کنید
- 09 - مجموعه داده ای که با آن کار میکنیم
- 10 - با Turi Create کار کنید
- 11 - دادهها را برای Turi Create آماده کنید
- 12 - با Turi Create یک مدل ML ایجاد کنید
3. سگ در مقابل گربه - برنامه iOS
- 13 - برنامه نمونه ما - سگ در مقابل گربه
- 14 - نگاهی گذرا به پروژه Xcode
- 15 - یک کنترلر انتخاب کننده تصویر پیادهسازی کنید
- 16 - چارچوب Vision و Core ML
- 17 - یک ردیاب حیوانات که توسط ویژن کار میکند
- 18 - مدل یادگیری ماشین ما در عمل
نتیجه
- 19 - مراحل بعدی