Book description
系统介绍机器学习在移动端应用程序开发中的应用,讲述如何使用TensorFlow Lite 和Core ML开发Android与iOS应用程序
Key Features
- 介绍如何开发7款常见应用程序
- 讨论基于机器学习的云服务
Book Description
机器学习主要研究如何使计算机模拟或实现人类的学习行为,从而获取新的知识或技能,是人工智能领域的核心技术。基于机器学习开发的应用程序可以灵活地处理新数据。本书将展示如何将机器学习技术应用于移动端的应用程序开发中。
本书首先介绍TensorFlow Lite和Core ML的基础知识,然后讲述7个常见应用程序的开发,最后讨论基于机器学习的云服务。通过本书,读者可以学会如何开发一个预测年龄和性别的应用程序,如何对图片进行艺术风格迁移,如何实现面部检测和条形码扫描,如何构建一个用于美化的AR滤镜,如何在移动设备上检测手写的数字,如何实现可以换脸的应用程序,如何利用迁移学习对食物进行分类。
本书有助于读者掌握机器学习的概念,学会使用TensorFlow Lite和Core ML在手机上开发功能强大的应用程序。
本书适合机器学习、深度学习和人工智能等方面的专业人士阅读。
What you will learn
- 机器学习在移动端的使用情况。
- 基于TensorFlow Lite和Core ML预测年龄和性别。
- 使用ML Kit实现文本检测、面部识别以及条形码扫描功能。
- 使用对抗学习创建数字分类器。
- 使用OpenCV构建具有换脸功能的应用程序。
- 使用卷积神经网络和TensorFlow Lite完成食物分类。
Who this book is for
本书适合移动端程序员、数据科学、机器学习、深度学习和AI方面的专业人士阅读。
Table of contents
Product information
- Title: 移动端机器学习实战
- Author(s):
- Release date: May 2024
- Publisher(s): Packt Publishing
- ISBN: 9781836201274
You might also like
book
精通数据科学算法
一周掌握常用的数据科学算法 本书提供完整源代码实现,案例式辅助讲解 Key Features 7种数据科学算法高效进行数据分类及预测 从简单的例子开始讲解算法的基本概念与知识 通过对案例进行扩展以讲解一些特殊的分析算法 Book Description 机器学习的应用是高度自度化且自动修正的。学习到的数据越多,机器学习应用需要的人工干预就越少。为了解决现实世界中复杂的数据问题,科学家们开发出专门的机器学习算法来解决这些问题。数据科学正是通过算法和统计分析来帮助读者从现有数据中获取新知识的。 本书将解决如何精确且高效地进行数据分类及预测的问题。本书主要讲解7种数据科学算法,有k最近邻算法、朴素贝叶斯算法、决策树、随机森林,k-means聚类、回归分析和时间序列分析。 此外,你还会掌握如何对数据进行预聚类,以便针对大型数据集进行优化和分类。最后,你将了解如何根据数据集中的现有趋势来预测数据。本书的各章还有配套的练习题,以帮助你夯实内容,扩展相关知识。 本书适合数据分析人员、机器学习领域的从业人员以及对算法感兴趣的读者阅读。读完本书后,你将了解如何选择机器学习算法进行聚类、分类或回归,并知道选择哪种算法来解决实际问题。 What you will …
book
Python无监督学习
拥抱机器学习,用Python实现无监督学习算法,构建高效且实用的解决方案 Key Features 包含多个示例和讲解 全面揭示了无监督学习的内涵与实现技巧 Book Description 机器学习是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。无监督学习是机器学习中的一种学习方式,是数据科学的一个重要分支,常用于数据挖掘领域,通过构建模型来为业务决策提供依据。 本书通过Python语言讲解无监督学习,全书内容包括10章,前面9章由浅入深地讲解了无监督学习的基础知识、聚类的基础知识、高级聚类、层次聚类、软聚类和高斯混合模型、异常检测、降维和分量分析、无监督神经网络模型、生成式对抗网络和自组织映射,第10章以问题解答的形式对前面9章涉及的问题给出了解决方案。 本书适合数据科学家、机器学习从业者和普通的软件开发人员阅读,通过学习本书介绍的无监督学习理论和Python编程方法,读者能够在业务实践中获得有价值的参考。 What you will learn 了解无监督学习的实践技巧 熟练掌握一些列机器学习算法 …
book
数据科学原理
让数据科学的学习有趣又自然;数据科学入门的概念手册和实用手册;集数据思维、概率统计基础、主流机器学习技术、应用案例和实操代码于一体的“数据科学百宝书” Key Features 由浅入深,通过案例和Python代码讲解 内容涵盖数据科学的全过程 Book Description 数据科学家是目前最热门的职业之一。本书的目的是帮助你掌握数学、编程和商业分析的综合技能。通过本书,你将能够自信地提出并解答复杂的数据问题,从抽象和原始的统计信息发掘并完善可执行的想法。通过将数学和计算机编程技能相结合,你将踏上成为数据科学家的激动人心的旅程。 本书介绍了数据科学的全过程,包括数据准备、数据清洗,以及如何选择有效的数据挖掘策略和技巧,从而深入理解数据科学的方方面面。你将学到数学和统计学的核心知识,以及数据科学家和分析师经常使用的代码。你将了解机器学习,学会用常见的统计学模型分析稠密数据集,创建有说服力的可视化图表,并和他人交流分析结果。 本书适合有志于成为数据科学家的师生或业界新手,同时也适合经验丰富的职场老手参考。 What you will learn 理解数据科学的五个核心步骤 聪明地使用你的数据,仔细地处理它 …
book
机器学习设计模式
本书中的设计模式针对机器学习中反复出现的问题给出最佳实践和解决方案。作者为来自谷歌的三位工程师,他们整理了已证实的方法,帮助数据科学家解决整个机器学习过程中的常见问题。这些设计模式将数百位专家的经验转化成直接、易懂的建议。 在这本书中,你会找到关于数据和问题表示、操作化、可重复性、可复现性、灵活性、可解释性和公平性的30种模式的详细解释。每个模式包括对问题的描述、各种可能的解决方案,以及针对你的情况选择最佳技术的建议。 你将学习: 识别和减轻在训练、评估以及部署机器学习模型时的常见挑战 为不同类型的机器学习模型表示数据,包括嵌入、特征交叉等 针对具体问题选择合适的模型类型 使用检查点、分发策略和超参数优化,建立一个鲁棒的训练循环 部署可扩展的机器学习系统,通过它你可以再训练和更新以反映新的数据 为用户解释模型的预测结果,确保模型公平地对待用户 提高模型的准确性、可复现性和弹性