91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
移動(dòng)端AI與ML應(yīng)用開發(fā)：基于iOS和Android
移動(dòng)端AI與ML應(yīng)用開發(fā)：基于iOS和Android
Laurence Moroney 著
宋能輝, 李嫻 譯
出版時(shí)間：2022年12月
頁(yè)數(shù)：272
“本書正是激發(fā)下一代機(jī)器學(xué)習(xí)開發(fā)所需要的。對(duì)于行業(yè)內(nèi)的軟件工程師來說，機(jī)器學(xué)習(xí)從未像通過ML Kit那樣容易獲得，本書對(duì)這些方法和算法進(jìn)行了較好的介紹。”
——Dominic Monn
Doist機(jī)器學(xué)習(xí)工程師

沒有設(shè)備可以運(yùn)行的話，人工智能將一無是處。既然移動(dòng)設(shè)備已成為大多數(shù)人的主要計(jì)算設(shè)備，那么移動(dòng)開發(fā)人員將AI添加到他們的工具箱中便至關(guān)重要。本書是你在iOS和Android等流行移動(dòng)平臺(tái)上創(chuàng)建和運(yùn)行機(jī)器學(xué)習(xí)模型的實(shí)用指南。
作者首先介紹了機(jī)器學(xué)習(xí)技術(shù)和工具，然后引導(dǎo)你使用ML Kit、TensorFlow Lite和Core ML等工具編寫由常見ML模型（如計(jì)算機(jī)視覺和文本識(shí)別）驅(qū)動(dòng)的Android和iOS應(yīng)用程序。如果你是一名移動(dòng)端應(yīng)用開發(fā)者，本書將幫助你利用當(dāng)今的ML技術(shù)。

通過閱讀本書，你將：
● 探索在移動(dòng)設(shè)備上實(shí)施ML和AI的選項(xiàng)。
● 為iOS和Android創(chuàng)建ML模型。
● 為iOS和Android編寫ML Kit和TensorFlow Lite應(yīng)用程序，為iOS編寫Core ML/Create ML應(yīng)用程序。
● 為你的用例選擇合適的技術(shù)和工具，例如，基于云的推理與移動(dòng)端推理、高級(jí)API與低級(jí)API。
● 了解移動(dòng)端機(jī)器學(xué)習(xí)的隱私和倫理實(shí)踐。
  1. 前言
  2. 第1章 人工智能和機(jī)器學(xué)習(xí)簡(jiǎn)介
  3. 1.1 什么是人工智能
  4. 1.2 什么是機(jī)器學(xué)習(xí)
  5. 1.2.1 從傳統(tǒng)編程轉(zhuǎn)向機(jī)器學(xué)習(xí)
  6. 1.2.2 機(jī)器如何學(xué)習(xí)
  7. 1.2.3 機(jī)器學(xué)習(xí)與傳統(tǒng)編程的比較
  8. 1.3 在移動(dòng)設(shè)備上構(gòu)建和使用模型
  9. 1.4 總結(jié)
  10. 第2章 計(jì)算機(jī)視覺簡(jiǎn)介
  11. 2.1 為視覺使用神經(jīng)元
  12. 2.1.1 你的第一個(gè)分類器：識(shí)別衣物
  13. 2.1.2 數(shù)據(jù)：Fashion MNIST
  14. 2.1.3 解析Fashion MNIST的模型架構(gòu)
  15. 2.1.4 編寫Fashion MNIST模型
  16. 2.2 計(jì)算機(jī)視覺的遷移學(xué)習(xí)
  17. 2.3 總結(jié)
  18. 第3章 ML Kit簡(jiǎn)介
  19. 3.1 在Android上構(gòu)建人臉檢測(cè)應(yīng)用程序
  20. 3.1.1 第1步：使用Android Studio創(chuàng)建應(yīng)用程序
  21. 3.1.2 第2步：添加和配置ML Kit
  22. 3.1.3 第3步：定義用戶界面
  23. 3.1.4 第4步：將圖像添加為資產(chǎn)
  24. 3.1.5 第5步：使用默認(rèn)圖片加載UI
  25. 3.1.6 第6步：調(diào)用人臉檢測(cè)器
  26. 3.1.7 第7步：添加邊界矩形
  27. 3.2 為iOS構(gòu)建人臉檢測(cè)器應(yīng)用程序
  28. 3.2.1 第1步：在Xcode中創(chuàng)建項(xiàng)目
  29. 3.2.2 第2步：使用 CocoaPods和podfile
  30. 3.2.3 第3步：創(chuàng)建用戶界面
  31. 3.2.4 第4步：添加應(yīng)用程序邏輯
  32. 3.3 總結(jié)
  33. 第4章 Android上使用ML Kit的計(jì)算機(jī)視覺應(yīng)用程序
  34. 4.1 圖像標(biāo)記和分類
  35. 4.1.1 第1步：創(chuàng)建應(yīng)用程序并配置ML Kit
  36. 4.1.2 第2步：創(chuàng)建用戶界面
  37. 4.1.3 第3步：將圖像添加為資產(chǎn)
  38. 4.1.4 第4步：將圖像加載到ImageView
  39. 4.1.5 第5步：編寫按鈕處理程序代碼
  40. 4.1.6 下一步
  41. 4.2 物體檢測(cè)
  42. 4.2.1 第1步：創(chuàng)建應(yīng)用程序并導(dǎo)入MLKit
  43. 4.2.2 第2步：創(chuàng)建活動(dòng)布局XML
  44. 4.2.3 第3步：將圖像加載到ImageView
  45. 4.2.4 第4步：設(shè)置物體檢測(cè)器選項(xiàng)
  46. 4.2.5 第5步：處理按鈕交互
  47. 4.2.6 第6步：繪制邊界框
  48. 4.2.7 第7步：標(biāo)記物體
  49. 4.3 檢測(cè)和跟蹤視頻中的物體
  50. 4.3.1 探索布局
  51. 4.3.2 GraphicOverlay類
  52. 4.3.3 捕捉相機(jī)
  53. 4.3.4 ObjectAnalyzer類
  54. 4.3.5 ObjectGraphic類
  55. 4.3.6 組合在一起
  56. 4.4 總結(jié)
  57. 第5章 Android上使用ML Kit的文本處理應(yīng)用程序
  58. 5.1 實(shí)體提取
  59. 5.1.1 創(chuàng)建應(yīng)用程序
  60. 5.1.2 為活動(dòng)創(chuàng)建布局
  61. 5.1.3 編寫實(shí)體提取代碼
  62. 5.1.4 組合在一起
  63. 5.2 手寫識(shí)別和其他識(shí)別
  64. 5.2.1 創(chuàng)建應(yīng)用程序
  65. 5.2.2 創(chuàng)建繪圖平面
  66. 5.2.3 使用ML Kit解析墨跡
  67. 5.3 智能回復(fù)對(duì)話
  68. 5.3.1 創(chuàng)建應(yīng)用程序
  69. 5.3.2 模擬對(duì)話
  70. 5.3.3 生成智能回復(fù)
  71. 5.4 總結(jié)
  72. 第6章 iOS上使用ML Kit的計(jì)算機(jī)視覺應(yīng)用程序
  73. 6.1 圖像標(biāo)記和分類
  74. 6.1.1 第1步：在Xcode中創(chuàng)建應(yīng)用程序
  75. 6.1.2 第2步：創(chuàng)建podfile
  76. 6.1.3 第3步：設(shè)置故事板
  77. 6.1.4 第4步：編輯視圖控制器代碼來使用 ML Kit
  78. 6.2 使用ML Kit在iOS中進(jìn)行物體檢測(cè)
  79. 6.2.1 第1步：開始
  80. 6.2.2 第2步：在故事板上創(chuàng)建UI
  81. 6.2.3 第3步：為注釋創(chuàng)建子視圖
  82. 6.2.4 第4步：執(zhí)行物體檢測(cè)
  83. 6.2.5 第5步：處理回調(diào)函數(shù)
  84. 6.2.6 將物體檢測(cè)與圖像分類結(jié)合
  85. 6.2.7 視頻中的物體檢測(cè)和跟蹤
  86. 6.3 總結(jié)
  87. 第7章 iOS上使用ML Kit的文本處理應(yīng)用程序
  88. 7.1 實(shí)體提取
  89. 7.1.1 第1步：創(chuàng)建應(yīng)用程序并添加ML Kit pod
  90. 7.1.2 第2步：創(chuàng)建帶有動(dòng)作和輸出的故事板
  91. 7.1.3 第3步：允許視圖控制器用于文本輸入
  92. 7.1.4 第4步：初始化模型
  93. 7.1.5 第5步：從文本中提取實(shí)體
  94. 7.2 手寫識(shí)別
  95. 7.2.1 第1步：創(chuàng)建應(yīng)用程序并添加ML Kit pod
  96. 7.2.2 第2步：創(chuàng)建故事板、動(dòng)作和輸出
  97. 7.2.3 第3步：筆畫、點(diǎn)和墨跡
  98. 7.2.4 第4步：捕獲用戶輸入
  99. 7.2.5 第5步：初始化模型
  100. 7.2.6 第6步：進(jìn)行墨跡識(shí)別
  101. 7.3 智能回復(fù)對(duì)話
  102. 7.3.1 第1步：創(chuàng)建應(yīng)用程序并集成ML Kit
  103. 7.3.2 第2步：創(chuàng)建故事板、輸出和動(dòng)作
  104. 7.3.3 第3步：創(chuàng)建模擬對(duì)話
  105. 7.3.4 第4步：獲取智能回復(fù)
  106. 7.4 總結(jié)
  107. 第8章 更深入：了解TensorFlow Lite
  108. 8.1 什么是TensorFlow Lite
  109. 8.2 TensorFlow Lite入門
  110. 8.2.1 保存模型
  111. 8.2.2 轉(zhuǎn)換模型
  112. 8.2.3 使用獨(dú)立解釋器測(cè)試模型
  113. 8.3 創(chuàng)建一個(gè)Android應(yīng)用程序來托管TFLite
  114. 8.3.1 導(dǎo)入TFLite文件
  115. 8.3.2 編寫Kotlin代碼與模型交互
  116. 8.3.3 超越基礎(chǔ)
  117. 8.4 創(chuàng)建一個(gè)iOS應(yīng)用程序來托管TFLite
  118. 8.4.1 第1步：創(chuàng)建一個(gè)基本的iOS應(yīng)用程序
  119. 8.4.2 第2步：將TensorFlow Lite添加到項(xiàng)目中
  120. 8.4.3 第3步：創(chuàng)建用戶界面
  121. 8.4.4 第4步：添加并初始化模型推理類
  122. 8.4.5 第5步：執(zhí)行推理
  123. 8.4.6 第6步：將模型添加到應(yīng)用程序中
  124. 8.4.7 第7步：添加UI邏輯
  125. 8.4.8 超越“Hello World”：處理圖像
  126. 8.5 探索模型優(yōu)化
  127. 8.5.1 量化
  128. 8.5.2 使用代表性數(shù)據(jù)
  129. 8.6 總結(jié)
  130. 第9章 創(chuàng)建自定義模型
  131. 9.1 使用TensorFlow Lite Model Maker創(chuàng)建模型
  132. 9.2 使用Cloud AutoML創(chuàng)建模型
  133. 9.3 使用TensorFlow和遷移學(xué)習(xí)創(chuàng)建模型
  134. 9.4 創(chuàng)建語言模型
  135. 9.5 總結(jié)
  136. 第10章 在Android中使用自定義模型
  137. 10.1 將模型橋接到Android
  138. 10.2 從Model Maker輸出構(gòu)建圖像分類應(yīng)用程序
  139. 10.3 將Model Maker輸出與ML Kit結(jié)合使用
  140. 10.4 使用語言模型
  141. 10.5 創(chuàng)建用于語言分類的Android應(yīng)用程序
  142. 10.5.1 創(chuàng)建布局文件
  143. 10.5.2 對(duì)活動(dòng)進(jìn)行編碼
  144. 10.6 總結(jié)
  145. 第11章 在iOS中使用自定義模型
  146. 11.1 將模型橋接到iOS
  147. 11.2 自定義模型圖像分類器
  148. 11.2.1 第1步：創(chuàng)建應(yīng)用程序并添加TensorFlow Lite pod
  149. 11.2.2 第2步：創(chuàng)建UI和圖像資產(chǎn)
  150. 11.2.3 第3步：加載和瀏覽圖像資產(chǎn)
  151. 11.2.4 第4步：加載模型
  152. 11.2.5 第5步：將圖像轉(zhuǎn)換為輸入張量
  153. 11.2.6 第6步：獲取張量的推理
  154. 11.3 在ML Kit中使用自定義模型
  155. 11.4 在Swift中構(gòu)建用于自然語言處理的應(yīng)用程序
  156. 11.4.1 第1步：加載詞匯
  157. 11.4.2 第2步：將句子轉(zhuǎn)換為序列
  158. 11.4.3 第3步：擴(kuò)展數(shù)組以處理不安全數(shù)據(jù)
  159. 11.4.4 第4步：將數(shù)組復(fù)制到數(shù)據(jù)緩沖區(qū)
  160. 11.4.5 第5步：對(duì)數(shù)據(jù)進(jìn)行推理并處理結(jié)果
  161. 11.5 總結(jié)
  162. 第12章 使用Firebase產(chǎn)品化應(yīng)用程序
  163. 12.1 為什么要使用Firebase自定義模型托管
  164. 12.2 創(chuàng)建多個(gè)模型版本
  165. 12.3 使用Firebase模型托管
  166. 12.3.1 第1步：創(chuàng)建Firebase項(xiàng)目
  167. 12.3.2 第2步：使用自定義模型托管
  168. 12.3.3 第3步：創(chuàng)建一個(gè)基本的Android應(yīng)用程序
  169. 12.3.4 第4步：將Firebase添加到應(yīng)用程序中
  170. 12.3.5 第5步：從Firebase模型托管獲取模型
  171. 12.3.6 第6步：使用遠(yuǎn)程配置
  172. 12.3.7 第7步：讀取應(yīng)用程序中的遠(yuǎn)程配置
  173. 12.3.8 下一步
  174. 12.4 總結(jié)
  175. 第13章 為簡(jiǎn)單的iOS應(yīng)用程序創(chuàng)建ML和Core ML
  176. 13.1 使用Create ML構(gòu)建Core ML圖像分類器
  177. 13.1.1 制作一個(gè)使用 Create ML模型的Core ML應(yīng)用程序
  178. 13.1.2 添加MLModel文件
  179. 13.1.3 運(yùn)行推理
  180. 13.2 使用Create ML構(gòu)建文本分類器
  181. 13.3 在應(yīng)用程序中使用模型
  182. 13.4 總結(jié)
  183. 第14章 從移動(dòng)應(yīng)用程序訪問基于云的模型
  184. 14.1 安裝TensorFlow Serving
  185. 14.1.1 使用Docker安裝
  186. 14.1.2 在Linux上直接安裝
  187. 14.2 構(gòu)建和服務(wù)模型
  188. 14.3 從Android訪問服務(wù)器模型
  189. 14.4 從iOS訪問服務(wù)器模型
  190. 14.5 總結(jié)
  191. 第15章 移動(dòng)應(yīng)用程序的道德、公平和隱私
  192. 15.1 負(fù)責(zé)任的人工智能的道德、公平和隱私
  193. 15.1.1 負(fù)責(zé)任地定義你的問題
  194. 15.1.2 避免數(shù)據(jù)中的偏差
  195. 15.1.3 構(gòu)建和訓(xùn)練模型
  196. 15.1.4 評(píng)估模型
  197. 15.2 Google的人工智能原則
  198. 15.3 總結(jié)
書名：移動(dòng)端AI與ML應(yīng)用開發(fā)：基于iOS和Android
作者：Laurence Moroney 著
譯者：宋能輝, 李嫻 譯
國(guó)內(nèi)出版社：機(jī)械工業(yè)出版社
出版時(shí)間：2022年12月
頁(yè)數(shù)：272
書號(hào)：978-7-111-71308-1
原版書書名：AI and Machine Learning for On-Device Development
原版書出版商：O'Reilly Media
Laurence Moroney
 
Laurence Moroney在Google領(lǐng)導(dǎo)AI Advocacy。作為編程和機(jī)器學(xué)習(xí)行業(yè)的資深人士，Laurence撰寫了20多本書。他在DeepLearning.ai的Coursera以及哈佛大學(xué)的edX上在線教授流行課程。
 
 
本書封面上的動(dòng)物是一只大鴇(Otis tarda)。這種鳥可以在南歐和中歐的草原、東亞的溫帶氣候區(qū)以及摩洛哥北部的一些地區(qū)找到，然而，大多數(shù)鳥群分布在葡萄牙和西班牙。
這種在地上筑巢的鳥是兩性異形的。雌性大鴇的翼展通常為180cm，體重3.1~8kg,成年雄性大鴇是現(xiàn)存最重的飛行動(dòng)物之一，體重5.8~18kg，翼展為2.1~2.7m。它們通常是安靜的鳥類，但在繁殖季節(jié),成年雄性可能會(huì)發(fā)出嗡嗡聲、咕嚕聲和喧鬧聲，雌性剛可能會(huì)在巢穴中發(fā)出喉音。小鳥會(huì)在與它們的母親交流時(shí)發(fā)出柔和的顫音。大鴇是強(qiáng)壯的飛行者,在遷徙期間飛行速度可以達(dá)到98km/h 以上。這些遷移模式會(huì)根據(jù)特定的居住地而有所不同。由于廣泛的環(huán)境影響和棲息地消失，大鴇自1996 年起就被列入 IUCN 紅色名錄中的“易?！眲?dòng)物。所有這些動(dòng)物對(duì)世界都很重要。
購(gòu)買選項(xiàng)
定價(jià)：119.00元
書號(hào)：978-7-111-71308-1
出版社：機(jī)械工業(yè)出版社