awesome machine learning

génial-machine-apprentissage

❤️ Soutenez mes applications ❤️

• Push Hero - Application macOS native Pure Swift pour tester les notifications push
• Pastepal - Collerboard, note et gestionnaire de raccourci
• Vérification rapide - gestionnaire de todo intelligent
• Alias ​​- Gestionnaire de raccourci d'application et de fichier
• Mes autres applications

❤️❤️ ??? ❤️❤️

J'aime explorer l'apprentissage automatique, mais je ne veux pas plonger dans d'autres plates-formes, comme Python ou JavaScript, pour comprendre certains frameworks ou TensorFlow. Heureusement, au WWDC 2017, Apple présente Core ML, Vision, Arkit, qui facilite le travail avec l'apprentissage automatique. Avec tous les modèles pré-formés, nous pouvons construire de grandes choses. Il est bon de ressentir le résultat d'abord, puis d'essayer d'explorer des sujets avancés et des mécanismes sous-jacents?

Cela organisera les choses principalement liées à Core ML et Swift. Il y a des choses connexes dans d'autres plateformes si vous voulez obtenir des références

Table des matières

• Noyau ML
• Tensorflow
• Kéras
• Turi créer
• Apprentissage automatique
• Mission

Noyau ML

Modèles

• La plus grande liste de modèles de modèles de coreml génial pour Core ML (pour iOS 11+)
• Caffe Caffe: un cadre ouvert rapide pour l'apprentissage en profondeur. http://caffe.berkeleyvision.org/
• Modèles d'apprentissage en profondeur Keras Code et pondération les fichiers pour les modèles d'apprentissage en profondeur populaires.
• modèles de modèles TensorFlow construits avec TensorFlow
• libsvm une bibliothèque pour les machines vectorielles de support
• Scikit-Learn Machine Learning in Python
• XGBOOST SPORABLE, PORTABLE ET DISTRIBUTÉ LA BIBLIOTHÈQUE DU PRODUCTION (GBDT, GBRT ou GBM), pour Python, R, Java, Scala, C ++ et plus. Exécute sur une seule machine, Hadoop, Spark, Flink et Dataflow
• Keras-Classification-Modes Collection de modèles Keras utilisés pour la classification
• Mobilenet-Caffe Caffe Implémentation des mobilenets de Google
• ModelZoo Un référentiel GitHub central pour partager les modèles de base ML
• Images de processus de bibliothèque d'art de style Styleart Utilisation de Coreml avec un ensemble de modèles d'apprentissage automatique pré-formées et de les convertir en style artistique
• modèles modèles et exemples construits avec TensorFlow
• Magasin Core ML

Outils

• coremltools coremltools dans un package python pour la création, l'examen et le test des modèles au format .mlmodel
• torch2Coreml Cet outil aide à convertir les modèles TORCH7 en pomme coreml
• Turicreate Turi Création simplifie le développement de modèles d'apprentissage automatique personnalisés.
• Visionneuse netron pour le réseau de neurones et les modèles d'apprentissage automatique
• onnx-coreml onnx à coreml convertisseur
• TF-coreml Tensorflow to Coreml Converter
• Outil de débogage et de visualisation TensorWatch pour l'apprentissage automatique et la science des données

Publications

• Tutoriel rapide: apprentissage automatique natif et vision machine dans iOS 11
• Comment former votre propre modèle pour Coreml
• Reconnaissance des gestes intelligents dans iOS 11 avec Core ML et TensorFlow
• Application DIY Prisma avec Coreml
• Utilisation de Scikit-Learn et Coreml pour créer un moteur de recommandation musicale
• Bâtiment non hot-dog avec Turi Create et Core ML - dans un après-midi
• Construisez un détecteur Taylor Swift avec l'API de détection d'objets TensorFlow, le moteur ML et Swift
• Tirer parti de l'apprentissage automatique dans iOS pour améliorer l'accessibilité
• Tutoriel IBM Watson Services pour Core ML
• Apprentissage automatique avec Keras et Core ML
• Détection des marques de whisky avec les services Core ML et IBM Watson
• Détection des super-héros Avengers dans votre application iOS avec IBM Watson et Coreml
• L'apprentissage automatique créent des applications plus intelligentes avec l'apprentissage automatique.
• Journal Apple Machine Learning
• Présentation de Core ML
• Core ML en profondeur
• Core ML et vision: apprentissage automatique dans le tutoriel iOS 11
• iOS 11: Apprentissage automatique pour tout le monde
• Tout un développeur rapide a toujours voulu connaître l'apprentissage automatique
• Apporter l'apprentissage automatique à vos applications iOS
• Avantages et inconvénients des API d'apprentissage automatique iOS
• Core ML: apprentissage automatique pour iOS
• Bootstrap le processus de formation d'apprentissage automatique
• Détecter la pneumonie dans une application iOS avec Create ML
• Comment affiner la resnet dans Keras et l'utiliser dans une application iOS via Core ML
• Cinq gatchas de qualité de données communs dans l'apprentissage automatique et comment les détecter rapidement

Se soustraire

• Core-ML-échantillon une démo utilisant le cadre Core ML
• UNSPLASHEXPLORER-COREML CORE ML Demo App APP avec API UNSPLASH
• MNIST_DRAW Il s'agit d'un exemple de projet démontrant l'utilisation de Keras (TensorFlow) pour la formation d'un modèle MNIST pour la reconnaissance de l'écriture manuscrite en utilisant CoreMl sur iOS 11 pour l'inférence.
• Cocoaai le Cocoa Artificial Intelligence Lab
• complexe-nisetures-démo Une démonstration de l'utilisation de l'apprentissage automatique pour reconnaître 13 gestes complexes dans une application iOS
• Core-ML-Car-reconnaissance un cadre de reconnaissance automobile pour coreml
• COREML-IN-ARCHIT SIMPLE PROJET pour détecter les objets et afficher les étiquettes 3D au-dessus d'eux en AR. Cela sert de modèle de base pour un projet Arkit à utiliser coreml
• Trainer-MAC forme un modèle, puis génère un projet Xcode complet qui l'utilise - aucun code nécessaire
• Gestureai-coreml-ios Reconnaissance de la plus grande application sur l'application iOS en utilisant coreml
• Reconnaissance visuelle-coreml classer les images hors ligne à l'aide de la reconnaissance visuelle de Watson et de Core ML

Tensorflow

Publications

• Modèles Open Source TensorFlow (Google E / O '17)
• Rapide pour TensorFlow
• Commencez avec les API de haut niveau TensorFlow (Google E / O '18)
• Présenter avec TensorFlow sur iOS
• Présentation de Tensorflow.js: Apprentissage automatique en JavaScript
• TensorFlow pour JavaScript (Google E / O '18)
• Colab Colaboratory est un projet de recherche Google créé pour aider à diffuser l'éducation et la recherche sur l'apprentissage automatique
• Utilisez TensorFlow et BNNS pour ajouter l'apprentissage automatique à votre application Mac ou iOS

Se soustraire

• Ateliers quelques exercices à utiliser lors d'événements Google IO 2018

Cours

• Cours accidentel d'apprentissage automatique avec API TensorFlow
• Deep Learning with Python par François Chollet
• Apprenez des experts ML chez Google

Kéras

Publications

• Courir des modèles Keras sur iOS avec Coreml
• Keras et réseaux de neurones convolutionnels (CNNS)
• Tutoriel Keras: Transfert Apprentissage à l'aide de Modelshttps pré-formés: //www.learnopeccv.com/keras-tutorial-transfer-learning-using-pre--trainen--models/

Turi créer

Publications

• Bâtiment non hot-dog avec Turi Create et Core ML - dans un après-midi
• Traitement du langage naturel sur iOS avec Turi Créer
• Apprentissage automatique dans iOS: Turi Créer et Coreml
• Un guide pour créer Turi

Apprentissage automatique

Commencer

• Une note de remerciement à la science des données
• C'est pourquoi quelqu'un peut apprendre l'apprentissage automatique

Publications

• Une introduction visuelle à l'apprentissage automatique
• L'apprentissage automatique est amusant!
• 10 termes d'apprentissage automatique expliqués en anglais simple
• Apprentissage automatique dans un an
• Ressources d'auto-apprentissage de l'apprentissage automatique
• Comment apprendre l'apprentissage automatique
• Début avec l'apprentissage automatique
• Le guide non technique de l'apprentissage automatique et de l'intelligence artificielle
• Apprentissage automatique: un guide approfondi - Aperçu, objectifs, types d'apprentissage et algorithmes
• Une visite des algorithmes d'apprentissage automatique
• Apprentissage automatique pour les pirates
• Apprentissage automatique pour les développeurs pour les débutants absolus et les élèves de cinquième
• plongeur-machine-machine-learning plongée dans l'apprentissage automatique avec un cahier Jupyter Python et Scikit-Learn
• Une introduction à l'apprentissage automatique avec Scikit-Learn
• Construire des modèles de classification d'images puissants en utilisant très peu de données
• Comment la Silicon Valley de HBO a construit «Not Hotdog» avec mobile TensorFlow, Keras & React Nativ
• Hello World - Recettes d'apprentissage automatique # 1
• Une explication intuitive des réseaux de neurones convolutionnels
• Une introduction rapide aux réseaux de neurones
• Algorithme d'apprentissage automatique pour Flappy Bird utilisant le réseau neuronal et l'algorithme génétique
• Comprendre comment les machines apprennent, par le prototypage
• Formation sur l'appareil
• Apprentissage automatique pour iOS
• Le «Hello World» des réseaux de neurones
• Réseaux de neurones convolutionnels dans iOS 10 et macOS
• LearningMachineLearning Implémentation Swift de "Data Science From Scratch" et http://karpathy.github.io/neuralnets/
• Le «Hello World» des réseaux de neurones?
• EmojiIntelligence Network Network intégré dans Apple Playground Using Swift?
• Apprentissage automatique: classification de bout en bout
• Machine Learning Zero to Hero (Google I / O'19)

Réseau neuronal de convolution

• CS231N Hiver 2016 Conférence 7 Réseaux de neurones convolutionnels
• Comment construire votre propre réseau de neurones à partir de zéro à Python
• Comment fonctionnent les réseaux de neurones convolutionnels

Mission

Blogs

• Battement de coeur fritz

Créer ML

• Introduction pour créer ML: comment former votre propre modèle d'apprentissage automatique dans Xcode 10

Kit ML

• Présentation du kit ML

Vision

• La vision applique une analyse d'images haute performance et des techniques de vision par ordinateur pour identifier les visages, détecter les fonctionnalités et classer les scènes des images et des vidéos.
• Blog-déclenché par la vision
• Swift World: Quoi de neuf dans iOS 11 - Vision

Traitement du langage naturel

• NSLINGUISTICTAGGAGGNAGER Analyser le langage naturel pour marquer une partie de la parole et de la classe lexicale, identifiez les noms propres, effectuez la lemmatisation et déterminez le langage et le script (orthographe) du texte.
• Marquage linguistique
• Nslinguistictagger sur nshipster
• Corelinguistics Ce référentiel contient des structures de données fondamentales pour la PNL.
• Swiftverbalexpressions Port Swift of Verbalexpressions

Métal

• Métal
• MPSCNNHelloworld: Révolution neuronale de la convolution de la détection de chiffres simples (CNN)
• MetalImageReCognition: effectuer une reconnaissance d'image
• Frameworks d'apprentissage en profondeur d'Apple: BNNS vs Metal CNN
• Forger une boîte à outils de réseau neuronal pour le métal

Gameplaykit

• Gameplaykit
• Projet 34: quatre conséquences
• GkminmaxStrategist: Que faut-il pour construire un Tictactoe AI?
• Tutoriel de gameplaykit: intelligence artificielle
• Gemmes de gameplaykit
• Gameplaykit: Beyond Games

Cours

• 6.S191: Introduction à l'apprentissage en profondeur
• Apprentissage automatique
• Introduction - Intro à l'apprentissage automatique sur udacity
• Fondamentaux d'apprentissage automatique et d'apprentissage en profondeur par Deeplizard

Entretien

• 41 Questions d'entrevue d'apprentissage machine essentielle

Autres cadres ML

• Tensorswift une bibliothèque légère pour calculer les tenseurs à Swift, qui a des API similaires à TensorFlow
• Swift-ai la bibliothèque d'apprentissage automatique Swift.
• Structures de données d'intelligence artificielle / apprentissage automatique Swift-Brain et algorithmes Swift pour le développement futur iOS. Théorème de Bayes, réseaux de neurones, et plus d'IA.
• Bender fabrique facilement des réseaux de neurones rapides sur iOS! Utilisez des modèles TensorFlow. Métal sous le capot.
• Braincore le cadre du réseau neuronal iOS et OS X
• Aitoolbox A Toolbox de modules d'IA écrits dans Swift: graphiques / arbres, machines à vecteur de support, réseaux de neurones, PCA, K-means, algorithmes génétiques
• réseaux de neurones cérébraux en javascript
• TensorFlow une bibliothèque de logiciels open source pour l'intelligence machine
• Incubator-Predictionio Predictionio, un serveur d'apprentissage automatique pour les développeurs et les ingénieurs ML. Construit sur Apache Spark, Hbase et Spray.
• Framework de Deep Learning de Caffe par Bair
• Inverser un cadre informatique scientifique pour Luajit
• Theano Theano est une bibliothèque Python qui vous permet de définir, d'optimiser et d'évaluer des expressions mathématiques impliquant efficacement les tableaux multidimensionnels
• CNTK Microsoft Cognitive Toolkit (CNTK), une boîte à outils d'apprentissage profond open source
• MXNET Lightweight, Portable, Flexible Distributed / Mobile Deep Learning

Accélérer

• Accélérer des exemples de codes d'exemple Swift pour l'accélération.
• Surgez une bibliothèque Swift qui utilise le cadre Accelerate pour fournir des fonctions haute performance pour les mathématiques matricielles, le traitement du signal numérique et la manipulation d'images.

Statistiques

• Sigmaswiftstatistics une collection de fonctions pour le calcul statistique écrit dans Swift

Services

• Watson activit les fonctionnalités informatiques cognitives de votre application en utilisant les API du langage, de la vision, de la parole et des données d'IBM Watson.
• Langue naturelle wit.ai pour les développeurs
• Cloud Machine Learning Enseignement automatique sur toutes les données, n'importe quelle taille
• L'API Cloud Vision tire des informations à partir d'images avec notre puissante API Cloud Vision
• Amazon Machine Learning Amazon Machine Learning permet aux développeurs de créer facilement des applications intelligentes, y compris des applications de détection de fraude, de prévision de la demande, de marketing ciblé et de prédiction de clics
• API.AI Créez des interactions en langue naturelle de marque pour les robots, les applications, les services et les appareils.
• Clarifai construit des applications incroyables avec la meilleure API de reconnaissance d'image et de vidéo au monde.
• OpenML explorant l'apprentissage automatique ensemble
• Lobe Deep Learning a rendu simple
• Comparaison des services d'apprentissage automatique (ML) de divers fournisseurs de services Cloud ML

Reconnaissance de texte

• Tutoriel Tesseract OCR
• Tesseract-OCR-IOS Tesseract OCR iOS est un cadre pour IOS7 +, compilé également pour ARMV7S et ARM64.
• Tesseract.js Pure JavaScript OCR pour 62 langues

Reconnaissance de la parole

• Discours
• Utilisation de l'API de reconnaissance vocale dans iOS 10
• Tutoriel de reconnaissance de la parole pour iOS
• Bibliothèque de reconnaissance de la parole Ceedvocal pour iOS

Synthétiseur de la parole

• AvSpeechSyntheSizer Un objet qui produit une parole synthétisée à partir d'énoncés de texte et fournit des contrôles pour surveiller ou contrôler la parole en cours.

Intelligence artificielle

• Le bot classique Eliza Chat dans Swift.
• Introduction à la programmation de l'IA pour les jeux

Plateforme Google Cloud pour l'apprentissage automatique

• Apprentissage automatique
• API d'apprentissage automatique par l'exemple (Google E / S '17)
• Ajouter une vision informatique à votre application iOS

Autres

• Nothotdog-classificateur Que diriez-vous si je vous disais qu'il y a une application sur le marché qui vous dit si vous avez un hot-dog ou pas un hot-dog.
• Comment la Silicon Valley de HBO a construit «Not Hotdog» avec mobile TensorFlow, Keras & React Native