awesome machine learning

Fantastisches Maschinen-Lernen

❤️ Unterstützen Sie meine Apps ❤️ ❤️

• Push Hero - Pure Swift Native MacOS -Anwendung zum Testen von Push -Benachrichtigungen
• Pastepal - Pasteboard, Notiz und Verknüpfungsmanager
• Schnellprüfung - Smart Todo Manager
• Alias ​​- App- und Dateiverknüpfungsmanager
• Meine anderen Apps

❤️❤️ ??? ❤️❤️

Ich mag es, maschinelles Lernen zu erforschen, möchte aber nicht, dass sich das auf andere Plattformen wie Python oder JavaScript eintaucht, um einige Frameworks oder Tensorflow zu verstehen. Glücklicherweise führt Apple bei WWDC 2017 Core ML, Vision, Arkit ein, was die Arbeit mit maschinellem Lernen so viel einfacher macht. Bei all den vorgeborenen Modellen können wir großartige Dinge aufbauen. Es ist gut, zuerst das Ergebnis zu spüren und dann zu versuchen, fortschrittliche Themen und zugrunde liegende Mechanismen zu erkunden?

Dies wird die Dinge kuratiert, die hauptsächlich mit Kern -ML und Swift zusammenhängen. Es gibt verwandte Dinge in anderen Plattformen, wenn Sie einige Referenzen erhalten möchten

Inhaltsverzeichnis

• Kernml
• Tensorflow
• Keras
• Turi erstellen
• Maschinelles Lernen
• Miser

Kernml

Modelle

• Awesome-Coreml-Modelle größte Liste von Modellen für Kern-ML (für iOS 11+)
• Kaffe Caffe: Ein schnelles offenes Rahmen für tiefes Lernen. http://caffe.berkeleyvision.org/
• Deep-Learning-Modelle Kerascode und Gewichtsdateien für beliebte Deep Learning-Modelle.
• Tensorflow -Modelle Modelle mit Tensorflow erstellt
• LIBSVM Eine Bibliothek für Support Vector -Maschinen
• scikit-larn maschinelles Lernen in Python
• Xgboost Skalierbar, tragbares und verteiltes Gradienten -Boosting -Bibliothek (GBDT, GBRT oder GBM) für Python, R, Java, Scala, C ++ und mehr. Läuft auf einzelnen Maschine, Hadoop, Spark, Flink und DataFlow
• Kerasklassifizierungsmodelle Sammlung von Kerasmodellen zur Klassifizierung verwendet
• Mobilenet-Caffe-Kaffe-Implementierung von Googles Mobilenets
• Modelzoo Ein zentrales Github -Repository zum Teilen von Kern -ML -Modellen
• Kunstbibliothek im Stil von Styleart -Stil verarbeiten Bilder mit COREML mit einer Reihe von vorgebildeten Modellen für maschinelles Lernen und konvertieren sie in den Kunststil
• Modelle Modelle und Beispiele, die mit Tensorflow erstellt wurden
• Kerngeschäft

Werkzeuge

• Coremltools coremltools in einem Python -Paket zum Erstellen, Untersuchungsmodellen im .mlmodel -Format
• Torch2Coreml Dieses Tool hilft dabei, Torch7 -Modelle in Apple Coreml umzuwandeln
• Turicreate Turi erstellen vereinfacht die Entwicklung von Modellen für maschinelles Lernen.
• Netron Viewer für neuronale Netzwerk- und maschinelles Lernmodelle
• Onnx-Coreml Onnx zum Coreml-Konverter
• TF-Coreml-Tensorflow zum Coreml-Konverter
• TensorWatch -Debugging- und Visualisierungstool für maschinelles Lernen und Datenwissenschaft

Beiträge

• Swift Tutorial: Native maschinelles Lernen und maschinelles Vision in iOS 11
• So trainieren Sie Ihr eigenes Modell für Coreml
• Smart Gestenerkennung in iOS 11 mit Kern -ML und Tensorflow
• DIY Prisma App mit Coreml
• Verwenden von Scikit-Learn und Coreml, um eine Musikempfehlungs-Engine zu erstellen
• Bauen Sie nicht Hotdog mit Turi Create und Core ML - an einem Nachmittag
• Bauen Sie einen Taylor Swift -Detektor mit der Tensorflow -Objekterkennungs -API, ML -Motor und Swift auf
• Nutzung des maschinellen Lernens in iOS für eine verbesserte Zugänglichkeit
• IBM Watson Services für das Kern -ML -Tutorial
• Beginn maschinelles Lernen mit Keras & Core ML
• Erkennen von Whiskymarken mit Kern -ML- und IBM Watson -Diensten
• Erkennen von Avengers -Superhelden in Ihrer iOS -App mit IBM Watson und Coreml
• Maschinelles Lernen bauen intelligentere Apps mit maschinellem Lernen.
• Apple Machine Learning Journal
• Einführung von Kern ML
• Kernml intensiv
• Kern -ML und Vision: maschinelles Lernen in iOS 11 Tutorial
• iOS 11: maschinelles Lernen für alle
• Alles, was ein Swift Dev jemals über maschinelles Lernen wissen wollte
• Bringen Sie maschinelles Lernen in Ihre iOS -Apps
• Vor- und Nachteile von iOS -APIs für maschinelles Lernen
• Kern ML: maschinelles Lernen für iOS
• Bootstrapping des Trainingsprozesses für maschinelles Lernen
• Lungenentzündung in einer iOS -App mit ML erstellen
• Wie man resnet in keras feinstimmen und es in einer iOS-App über Core ML verwendet
• Fünf gemeinsame Datenqualität Gotchas im maschinellen Lernen und wie man sie schnell erkennt

Repos

• Core-ML-Stichprobe Eine Demo mit dem Kern-ML-Framework
• Unsplashexplorer-coreml Core ML Demo App mit Unsplash-API
• MNIST_DRAW Dies ist ein Beispielprojekt, das die Verwendung von Keras (Tensorflow) für das Training eines MNIST -Modells zur Handschrifterkennung unter Verwendung von Coreml auf iOS 11 für Inferenz zeigt.
• Cocoaai The Cocoa Artificial Intelligence Lab
• Komplexen Raugs-Demo-Demonstrationen der Verwendung von maschinellem Lernen, um 13 komplexe Gesten in einer iOS-App zu erkennen
• Core-ML-CAR-Erkennung ein Kfz-Erkennungsrahmen für Coreml
• Coreml-in-Markit-einfaches Projekt zum Erkennen von Objekten und Anzeigen von 3D-Etiketten über ihnen in AR. Dies dient als grundlegende Vorlage für ein Arkit -Projekt zur Verwendung von COREML
• Trainer -MAC trainiert ein Modell und generiert dann ein vollständiges Xcode -Projekt, das es verwendet - kein Code erforderlich
• GestureAai-coreml-IOS Hand-Consture-Erkennung auf der iOS-App mit Coreml
• Visual Recognition-Coreml-Bilder klassifizieren Bilder offline mithilfe von Watson Visual Recognition und Core ML

Tensorflow

Beiträge

• Open Source TensorFlow -Modelle (Google I/O '17)
• Swift für Tensorflow
• Beginnen Sie mit TensorFlow-hochrangigen APIs (Google I/O '18)
• Erste Schritte mit Tensorflow auf iOS
• Einführung von TensorFlow.js: maschinelles Lernen in JavaScript
• TensorFlow für JavaScript (Google I/O '18)
• Colab Colaboratory ist ein Google -Forschungsprojekt, das zur Verbreitung von Bildung und Forschung für maschinelles Lernen erstellt wurde
• Verwenden Sie TensorFlow und BNNs, um Ihrem Mac- oder iOS -App maschinelles Lernen hinzuzufügen

Repos

• Workshops Ein paar Übungen zur Verwendung bei Veranstaltungen Google IO 2018

Kurse

• Crashkurs für maschinelles Lernen mit TensorFlow APIs
• Tiefes Lernen mit Python von Francois Chollet
• Erfahren Sie von ML -Experten bei Google

Keras

Beiträge

• Ausführen von Keras -Modellen auf iOS mit Coreml
• Keras und Faltungsnetzwerke (CNNs)
• Keras-Tutorial: Übertragungslernen mit vorgeborenem Modellshttps: //www.learnopencv.com/keras-tutorial-transfer-learning-using-pre-trainined-models/

Turi erstellen

Beiträge

• Bauen Sie nicht Hotdog mit Turi Create und Core ML - an einem Nachmittag
• Verarbeitung natürlicher Sprache auf iOS mit Turi erstellen
• Maschinelles Lernen in iOS: Turi Create und Coreml
• Ein Leitfaden für Turi erstellen

Maschinelles Lernen

Erste Schritte

• Ein Dankeschön an die Data Science
• Deshalb kann jeder maschinelles Lernen lernen

Beiträge

• Eine visuelle Einführung in maschinelles Lernen
• Maschinelles Lernen macht Spaß!
• 10 Begriffe für maschinelles Lernen in einfachem Englisch erklärt
• Maschinelles Lernen in einem Jahr
• Ressourcen für maschinelles Lernen Selbststudien
• Wie man maschinelles Lernen lernt
• Erste Schritte mit maschinellem Lernen
• Der nichttechnische Leitfaden für maschinelles Lernen und künstliche Intelligenz
• Maschinelles Lernen: Ein ausführlicher Leitfaden - Überblick, Ziele, Lerntypen und Algorithmen
• Eine Tour durch Algorithmen für maschinelles Lernen
• Maschinelles Lernen für Hacker
• Maschinelles Lernen für Entwickler für absolute Anfänger und Fünftklässler
• Tauch-into-Maschinen-Lern-Tauchgang in maschinelles Lernen mit Python Jupyter Notebook und Scikit-Learn
• Eine Einführung in maschinelles Lernen mit Scikit-Learn
• Erstellen leistungsstarker Bildklassifizierungsmodelle mit sehr kleinen Daten
• Wie HBOs Silicon Valley „Not Hotdog“ mit mobilem Tensorflow, Keras & React Nativ baute
• Hallo Welt - Rezepte #1 maschinelles Lernen
• Eine intuitive Erklärung von Faltungsnetzwerken mit Faltungen
• Eine kurze Einführung in neuronale Netze
• Algorithmus für maschinelles Lernen für Flappy Bird mit neuronalem Netzwerk und genetischer Algorithmus
• Verstehen, wie Maschinen lernen, durch Prototyping
• Training auf dem Gerät
• Maschinelles Lernen für iOS
• Die "Hallo Welt" der neuronalen Netze
• Faltungsnetzwerke in iOS 10 und macOS
• LearningMachinElearning Swift -Implementierung von "Data Science From von Grund auf" und http://karpathy.github.io/neuralnets/
• Die „Hallo Welt“ der neuronalen Netzwerke?
• Emojiintelligence Neural Network in Apple Playground mit Swift?
• Maschinelles Lernen: End-to-End-Klassifizierung
• Maschinelles Lernen Null zum Helden (Google I/O'19)

Faltung Neurales Netzwerk

• CS231N Winter 2016 Vortrag 7 Faltungsnetze mit Faltungsstücken
• So bauen Sie in Python Ihr eigenes neuronales Netzwerk von Grund auf neu
• Wie Faltungsnetzwerke funktionieren

Miser

Blogs

• Fritz Herzschlag

Ml erstellen

• Einführung zum Erstellen von ML: So trainieren Sie Ihr eigenes maschinelles Lernmodell in Xcode 10

ML Kit

• Einführung von ML Kit

Vision

• Vision Anwenden Hochleistungsbildanalyse und Computer Vision-Techniken, um Gesichter zu identifizieren, Merkmale zu erkennen und Szenen in Bildern und Videos zu klassifizieren.
• Blog-Getting-Started-mit-Vision
• Swift World: Was ist neu in iOS 11 - Vision

Verarbeitung natürlicher Sprache

• Nslinguistictagger analysieren Sie die natürliche Sprache, um einen Teil der Sprache und der lexikalischen Klasse zu markieren, Eigennamen zu identifizieren, Lemmatisierung durchzuführen und die Sprache und das Skript (Orthographie) des Textes zu bestimmen.
• Sprachkennzeichnung
• Nslinguistictagger über nshipster
• Corelinguistics Dieses Repository enthält einige grundlegende Datenstrukturen für NLP.
• Swiftverbalexpressions Swift -Port der verbalen Expressionen

Metall

• Metall
• MPSCNNNHelloworld: Einfache Ziffer -Erkennungs -Faltung Neuronale Netze (CNN)
• MetalImagereCognition: Bilderkennung durchführen
• Apples Deep Learning Frameworks: BNNS vs. Metall CNN
• Forge ein neuronales Netzwerk -Toolkit für Metall

Gameplaykit

• Gameplaykit
• Projekt 34: Vier in Folge
• GkminmaxStrategist: Was braucht es, um eine Tictactoe -KI zu bauen?
• Gameplaykit -Tutorial: Künstliche Intelligenz
• Edelsteine ​​des Gameplaykits
• Gameplaykit: Beyond Games

Kurse

• 6.S191: Einführung in Deep Learning
• Maschinelles Lernen
• Einführung - Intro in maschinelles Lernen auf Udacity
• Grundlagen für maschinelles Lernen und Deep Learning von Deeplizard

Interview

• 41 Fragen des wesentlichen maschinellen Lernens Interviewfragen

Andere ML -Frameworks

• TensorSwift Eine leichte Bibliothek zur Berechnung der Tensoren in Swift, die ähnliche APIs wie TensorFlows aufweist
• Swift-ai Die Swift Machine Learning Library.
• Datenstrukturen und Swift-Algorithmen für die zukünftige iOS-Entwicklung künstlicher Intelligenz/maschinelles Lernen. Bayes Theorem, neuronale Netzwerke und mehr KI.
• Bender basteln leicht schnelle neuronale Netzwerke auf iOS! Verwenden Sie TensorFlow -Modelle. Metall unter der Motorhaube.
• Braincore the iOS und OS X Neural Network Framework
• Aitoolbox Eine Toolbox von KI-Modulen, die in Swift geschrieben wurden: Diagramme/Bäume, Support-Vektor-Maschinen, neuronale Netzwerke, PCA, K-Means, genetische Algorithmen
• Brain Neural Networks in JavaScript
• TensorFlow Eine Open-Source-Software-Bibliothek für Machine Intelligence
• Incubator-Predictio Predictionio, ein maschinelles Lernserver für Entwickler und ML-Ingenieure. Auf Apache Spark, HBase und Spray aufgebaut.
• Caffe Deep Learning Framework von Bair
• Fackel Ein wissenschaftliches Computergerüst für Luajit
• Theano Theano ist eine Python-Bibliothek, mit der Sie mathematische Ausdrücke mit mehrdimensionalen Arrays effizient definieren, optimieren und bewerten können
• CNTK Microsoft Cognitive Toolkit (CNTK), ein Open-Source-Toolkit
• MXNET Leicht, tragbares, flexibles verteiltes/mobiles Deep Learning

Beschleunigen

• Swift-Beispielcodes für die Beschleunigung des Beschleunigens.Frameworks beschleunigen.
• Suchen Sie eine Swift-Bibliothek, die das Beschleunigungsrahmen verwendet, um Hochleistungsfunktionen für Matrix-Mathematik, digitale Signalverarbeitung und Bildmanipulation bereitzustellen.

Statistiken

• Sigmaswiftstatistics Eine Sammlung von Funktionen für die statistische Berechnung in Swift geschrieben

Dienstleistungen

• Watson aktiviert kognitive Computerfunktionen in Ihrer App mit IBM Watsons Sprache, Vision, Sprache und Daten -APIs.
• witz.ai natürliche Sprache für Entwickler
• Maschinelles Lernen für maschinelles Lernen maschinell maschinelles Lernen für maschinelle Lernen für alle Daten, jede Größe
• Cloud Vision API leiten Einblicke aus Bildern mit unserer leistungsstarken Cloud Vision API ab
• Amazon Machine Learning Amazon Machine Learning erleichtert Entwicklern, intelligente Anwendungen zu erstellen, einschließlich Anwendungen für Betrugserkennung, Nachfrageprognose, gezielte Marketing und Klick -Vorhersage
• API.AI-Build-Brand-Einheit, natürliche Sprachinteraktionen für Bots, Anwendungen, Dienste und Geräte.
• Clarifai bauen erstaunliche Apps mit der weltbesten Bild- und Videoerkennungs -API.
• OpenML erforschen maschinelles Lernen gemeinsam
• Lappen tiefes Lernen einfach gemacht
• Vergleich von Diensten für maschinelles Lernen (ML) von verschiedenen Cloud -ML -Dienstenanbietern

Texterkennung

• Tesseract OCR -Tutorial
• Tesseract-Ocr-ios Tesseract OCR iOS ist ein Rahmen für iOS7+, das auch für ARMV7S und ARM64 zusammengestellt wurde.
• Tesseract.js reiner JavaScript OCR für 62 Sprachen

Spracherkennung

• Rede
• Verwenden der Spracherkennungs -API in iOS 10
• Spracherkennungs -Tutorial für iOS
• CeedVocal Spracherkennungsbibliothek für iOS

Sprachsynthesizer

• Avspeechsynthesizer Ein Objekt, das synthetisierte Sprache aus Text Äußerungen erzeugt und Steuerelemente zur Überwachung oder Kontrolle der fortlaufenden Sprache liefert.

Künstliche Intelligenz

• Der klassische Eliza -Chat -Bot in Swift.
• Einführung in die KI -Programmierung für Spiele

Google Cloud -Plattform für maschinelles Lernen

• Maschinelles Lernen
• APIs für maschinelles Lernen mit Beispiel (Google I/O '17)
• Hinzufügen von Computer Vision zu Ihrer iOS -App

Andere

• Nothotdog-Klassifizierer Was würden Sie sagen, wenn ich Ihnen sagen würde, dass es eine App auf dem Markt gibt, die Ihnen mitteilt, ob Sie einen Hotdog oder keinen Hotdog haben.
• Wie HBOs Silicon Valley „Not Hotdog“ mit mobilem Tensorflow, Keras & React Native baute