awesome machine learning

굉장한 기계 학습

❤️ 내 앱을 지원합니다

• 푸시 영웅 - 푸시 알림을 테스트하기위한 순수한 신속한 기본 MACOS 응용 프로그램
• Pastepal- 페이스트 보드, 메모 및 바로 가기 관리자
• 빠른 점검 - 스마트 할 TODO 관리자
• 별칭 - 앱 및 파일 바로 가기 관리자
• 내 다른 앱

❤닐닐끄는?

기계 학습을 탐색하고 싶지만 파이썬이나 자바 스크립트와 같은 다른 플랫폼으로 일부 프레임 워크 또는 텐서 플로우를 이해하기를 원하지 않습니다. 운 좋게도 WWDC 2017에서 Apple은 Core ML, Vision, Arkit을 소개하여 기계 학습 작업을 훨씬 쉽게 할 수 있습니다. 미리 훈련 된 모든 모델을 사용하면 훌륭한 것을 구축 할 수 있습니다. 결과를 먼저 느끼고 고급 주제와 기본 메커니즘을 탐색하는 것이 좋습니다.

이것은 주로 Core ML 및 Swift와 관련된 것들을 치료할 것입니다. 참조를 원한다면 다른 플랫폼에 관련 사항이 있습니다.

목차

• 핵심 ML
• 텐서 플로
• 케라
• Turi Create
• 기계 학습
• 기타

핵심 ML

모델

• Core ML에 대한 가장 큰 모델 목록 (iOS 11+의 경우)
• Caffe Caffe : 딥 러닝을위한 빠른 개방형 프레임 워크. http://caffe.berkeleyvision.org/
• 인기있는 딥 러닝 모델을위한 딥 러닝 모델 keras 코드 및 가중치 파일.
• Tensorflow 모델 모델 텐서 플로우로 구축되었습니다
• LIBSVM 지원 벡터 머신을위한 라이브러리
• 파이썬에서 Scikit-Learn 머신 러닝
• Python, R, Java, Scala, C ++ 등의 XGBoost 확장 가능, 휴대용 및 분산 그라디언트 부스트 (GBDT, GBRT 또는 GBM) 라이브러리. 단일 시스템, Hadoop, Spark, Flink 및 DataFlow에서 실행됩니다
• 분류에 사용되는 Keras 모델의 Keras-Classification-Models 컬렉션
• Mobilenet-Caffe Caffe Google Mobilenets의 구현
• Modelzoo 핵심 ML 모델 공유를위한 중앙 Github 저장소
• 스타일리트 스타일 아트 라이브러리 프로세스 사전 훈련 된 기계 학습 모델 세트와 함께 Coreml을 사용하여 예술 스타일로 변환
• 모델 모델 및 예제 텐서 플로우로 구축되었습니다
• 핵심 ML 상점

도구

• CoremlTools CoremlTools는 .mlmodel 형식으로 모델을 작성, 검사 및 테스트하기위한 Python 패키지의 CoremlTools
• Torch2coreml이 도구는 Torch7 모델을 Apple Coreml로 변환하는 데 도움이됩니다.
• TURICREATE TURI 생성은 맞춤형 기계 학습 모델의 개발을 단순화합니다.
• 신경망 및 기계 학습 모델의 Netron Viewer
• onnx-coreml onnx to coreml 컨버터
• Coreml 컨버터로 TF-Coreml 텐서 플로우
• 기계 학습 및 데이터 과학을위한 TensorWatch 디버깅 및 시각화 도구

게시물

• 신속한 자습서 : iOS 11의 기본 머신 러닝 및 머신 비전
• Coreml에 대한 자신의 모델을 훈련시키는 방법
• 코어 ML 및 Tensorflow를 사용하여 iOS 11의 스마트 제스처 인식
• Coreml과 DIY Prisma 앱
• Scikit-Learn 및 Coreml을 사용하여 음악 추천 엔진을 만듭니다.
• Turi Create 및 Core ML로 핫도그 구축 - 오후에
• Tensorflow 객체 감지 API, ML 엔진 및 Swift로 Taylor Swift 검출기 구축
• 접근성 향상을 위해 iOS의 머신 러닝을 활용합니다
• Core ML 튜토리얼을위한 IBM Watson 서비스
• Keras & Core ML로 기계 학습 초기
• Core ML 및 IBM Watson 서비스로 위스키 브랜드 감지
• iBM Watson 및 Coreml을 사용하여 iOS 앱에서 어벤져 스 슈퍼 히어로 감지
• 머신 러닝은 머신 러닝을 통해보다 지능적인 앱을 구축합니다.
• Apple Machine Learning Journal
• 핵심 ML 소개
• 깊이있는 핵심 ML
• 핵심 ML 및 비전 : iOS 11 자습서의 머신 러닝
• iOS 11 : 모든 사람을위한 기계 학습
• 신속한 개발자가 기계 학습에 대해 알고 싶었던 모든 것
• 기계 학습을 iOS 앱에 가져옵니다
• iOS 머신 러닝 API의 장단점
• 핵심 ML : iOS 용 머신 러닝
• 머신 러닝 교육 프로세스를 부트 스트랩합니다
• 생성 ML로 iOS 앱에서 폐렴 감지
• Keras에서 Resnet을 미세 조정하고 Core ML을 통해 iOS 앱에서 사용하는 방법
• 머신 러닝에서 5 가지 일반적인 데이터 품질 Gotchas와 신속하게 감지하는 방법

레포지스

• 코어 -ML- 샘플 코어 ML 프레임 워크를 사용한 데모
• Unsplash API가있는 UnsplashExplorer-Coreml Core ML 데모 앱
• MNIST_DRAD 이것은 추론을 위해 iOS 11에서 Coreml을 사용하여 필기 인식을위한 MNIST 모델의 훈련을위한 Keras (Tensorflow)의 사용을 보여주는 샘플 프로젝트입니다.
• 코코아이 코코아 인공 지능 연구소
• 복잡한 목적-데모 IOS 앱에서 13 개의 복잡한 제스처를 인식하기 위해 기계 학습을 사용하는 데모
• Core-ML-CAR- 인식 Coreml의 자동차 인식 프레임 워크
• Coreml-in-arkit 간단한 프로젝트를 AR에서 객체를 감지하고 3D 라벨을 표시합니다. 이것은 Arkit 프로젝트가 Coreml을 사용하기위한 기본 템플릿 역할을합니다.
• Trainer -MAC는 모델을 훈련시킨 다음이를 사용하는 완전한 Xcode 프로젝트를 생성합니다.
• Coreml을 사용하여 iOS 앱에서 gestureai-coreml-ios 수제 인식
• watson 시각적 인식 및 핵심 ML을 사용하여 오프라인에서 이미지를 오프라인으로 분류하는 Visual-Recenition-Coreml

텐서 플로

게시물

• 오픈 소스 텐서 플로우 모델 (Google I/O '17)
• 텐서 플로우를위한 신속한
• Tensorflow 고급 API (Google I/O '18)로 시작하십시오.
• iOS에서 Tensorflow를 시작합니다
• Tensorflow.js 소개 : JavaScript에서 머신 러닝
• JavaScript 용 Tensorflow (Google I/O '18)
• Colab Colaboratory는 기계 학습 교육 및 연구를 전파하는 데 도움이되는 Google 연구 프로젝트입니다.
• Tensorflow 및 BNN을 사용하여 Mac 또는 iOS 앱에 머신 러닝을 추가하십시오.

레포지스

• 워크숍 이벤트에서 사용하기위한 몇 가지 연습 Google IO 2018

행동

• Tensorflow API를 사용한 기계 학습 충돌 과정
• Francois Chollet의 Python과 딥 러닝
• Google의 ML 전문가로부터 배우십시오

케라

게시물

• Coreml을 사용하여 iOS에서 Keras 모델을 실행합니다
• Keras 및 Convolutional Neural Networks (CNNS)
• Keras 튜토리얼 : 사전 훈련 된 Modelshttps : //www.learnopencv.com/keras-tutorial-transfer-mearning-using-pre-trained-models/를 사용한 전송 학습

Turi Create

게시물

• Turi Create 및 Core ML로 핫도그 구축 - 오후에
• Turi Create와 함께 iOS에서 자연어 처리
• iOS의 머신 러닝 : Turi Create and Coreml
• Turi Create에 대한 가이드

기계 학습

시작하기

• 데이터 과학에 대한 감사합니다
• 그렇기 때문에 누구나 머신 러닝을 배울 수 있습니다

게시물

• 기계 학습에 대한 시각적 소개
• 머신 러닝은 재미 있습니다!
• 10 기계 학습 용어는 간단한 영어로 설명됩니다
• 1 년 안에 머신 러닝
• 기계 학습 자체 학습 리소스
• 기계 학습을 배우는 방법
• 기계 학습을 시작합니다
• 기계 학습 및 인공 지능에 대한 비 기술적 안내서
• 기계 학습 : 심층 안내서 - 개요, 목표, 학습 유형 및 알고리즘
• 머신 러닝 알고리즘 여행
• 해커를위한 기계 학습
• 절대 초보자 및 5 학년을위한 개발자를위한 머신 러닝
• Dive-Into-Machine-Learning Python Jupyter Notebook 및 Scikit-Learn을 사용한 기계 학습에 대한 다이빙
• Scikit-Learn을 사용한 기계 학습 소개
• 데이터가 거의없는 강력한 이미지 분류 모델 구축
• HBO의 Silicon Valley가 모바일 텐서 플로우와 함께 "Not Hotdog"를 건설 한 방법, Keras & React Nativ
• Hello World- 머신 러닝 레시피 #1
• 컨볼 루션 신경 네트워크에 대한 직관적 인 설명
• 신경망에 대한 빠른 소개
• 신경망 및 유전자 알고리즘을 사용한 Flappy Bird에 대한 머신 러닝 알고리즘
• 프로토 타이핑을 통해 기계가 학습하는 방법을 이해합니다
• 장치에 대한 교육
• iOS를위한 머신 러닝
• 신경망의“Hello World”
• iOS 10 및 MACOS의 컨볼 루션 신경 네트워크
• LearningMachinElearning "데이터 과학"및 http://karpathy.github.io/neuralnets/의 신속한 구현
• 신경망의“Hello World”?
• Swift를 사용하여 Apple Playground에 내장 된 Emojiintelligence Neural Network?
• 기계 학습 : 엔드 투 엔드 분류
• 머신 러닝 Zero to Hero (Google I/O'19)

컨볼 루션 신경망

• CS231N Winter 2016 강의 7 Convolutional Neural Networks
• 파이썬에서 처음부터 자신의 신경망을 구축하는 방법
• 컨볼 루션 신경 네트워크의 작동 방식

기타

블로그

• 프리츠 하트 비트

ML을 만듭니다

• ML 생성 소개 : Xcode 10에서 자신의 머신 러닝 모델을 훈련시키는 방법

ML 키트

• ML 키트 소개

비전

• Vision은 고성능 이미지 분석 및 컴퓨터 비전 기술을 적용하여면을 식별하고 기능을 감지하며 이미지 및 비디오의 장면을 분류합니다.
• 블로그가 시작된 것입니다
• Swift World : iOS 11의 새로운 기능 - 비전

자연어 처리

• nslinguistictagger 자연 언어를 분석하여 음성 및 어휘 클래스의 일부를 태그하고, 적절한 이름을 식별하고, 렘마 화를 수행하며, 텍스트의 언어 및 스크립트 (직교)를 결정합니다.
• 언어 태깅
• nshipter의 nslinguistictagger
• Corelinguistics이 저장소에는 NLP의 기본 데이터 구조가 포함되어 있습니다.
• Swiftverbalexpressions verbalexpressions의 빠른 포트

금속

• 금속
• mpscnnhelloworld : 간단한 숫자 감지 컨볼 루션 신경망 (CNN)
• MetalImagerEcognition : 이미지 인식 수행
• 애플의 딥 러닝 프레임 워크 : BNNS 대 금속 CNN
• 금속을위한 신경망 툴킷을 만들어냅니다

게임 플레이 케이트

• 게임 플레이 케이트
• 프로젝트 34 : 4 연속
• gkminmaxstrategist : Tictactoe AI를 구축하려면 무엇이 필요합니까?
• GamePlaykit 튜토리얼 : 인공 지능
• GamePlaykit의 보석
• GamePlaykit : 너머 게임

행동

• 6.S191 : 딥 러닝 소개
• 기계 학습
• 소개 - Udacity에 대한 기계 학습에 대한 소개
• Deeplizard의 기계 학습 및 딥 러닝 기초

회견

• 41 필수 머신 러닝 인터뷰 질문

다른 ML 프레임 워크

• Tensorswift 신속한 텐서를 계산하기위한 경량 라이브러리.
• Swift-AI Swift Machine Learning Library.
• 향후 iOS 개발을위한 Swift-Brain 인공 지능/기계 학습 데이터 구조 및 신속한 알고리즘. 베이 즈 정리, 신경망 및 더 많은 ai.
• 벤더는 iOS에서 빠른 신경망을 쉽게 만들 수 있습니다! Tensorflow 모델을 사용하십시오. 후드 아래의 금속.
• Braincore IOS 및 OS X 신경망 프레임 워크
• Aitoolbox Swift로 작성된 AI 모듈의 도구 상자 : 그래프/트리, 지원 벡터 머신, 신경망, PCA, K-MEAN, 유전자 알고리즘
• JavaScript의 뇌 신경망
• Tensorflow Machine Intelligence를위한 오픈 소스 소프트웨어 라이브러리
• 개발자 및 ML 엔지니어를위한 기계 학습 서버 인 Incubator-Predictionio Predictionio. Apache Spark, HBase 및 Spray를 기반으로합니다.
• Bair의 Caffe 딥 러닝 프레임 워크
• Luajit의 과학적 컴퓨팅 프레임 워크 토치
• Theano Theano
• CNTK Microsoft Cognitive Toolkit (CNTK), 오픈 소스 심해 툴킷
• MXNET Lightweight, 휴대용, 유연한 분산/모바일 딥 러닝

가속

• Accelerate-in-Swift Swift 예제 코드 Accelerate.framework
• Accelerate 프레임 워크를 사용하여 매트릭스 수학, 디지털 신호 처리 및 이미지 조작에 대한 고성능 함수를 제공하는 신속한 라이브러리 서지.

통계

• SIGMASWIFTSTATICS SWIFT로 작성된 통계 계산 기능 모음

서비스

• Watson은 IBM Watson의 언어, 비전, 음성 및 데이터 API를 사용하여 앱에서인지 컴퓨팅 기능을 활성화합니다.
• Wit.ai 개발자를위한 자연 언어
• 클라우드 머신 러닝 엔진 머신 러닝 모든 데이터, 모든 규모
• Cloud Vision API는 강력한 클라우드 비전 API를 사용하여 이미지에서 통찰력을 얻습니다.
• Amazon Machine Learning Amazon Machine Learning은 개발자가 사기 탐지, 수요 예측, 대상 마케팅 및 클릭 예측을 포함하여 스마트 응용 프로그램을 쉽게 구축 할 수 있습니다.
• API.AI는 봇, 응용 프로그램, 서비스 및 장치를위한 브랜드 유닛, 자연어 상호 작용을 구축합니다.
• Clearifai는 세계 최고의 이미지 및 비디오 인식 API로 놀라운 앱을 구축합니다.
• OpenML과 함께 머신 러닝 탐색
• 로브 딥 러닝은 간단하게 만들어졌습니다
• 다양한 클라우드 ML 서비스 제공 업체의 머신 러닝 (ML) 서비스 비교

텍스트 인식

• Tesseract OCR 튜토리얼
• TesserAct-Acr-Ios TesserAct OCR IOS는 iOS7+의 프레임 워크이며 ARMV7 및 ARM64에 대해서도 컴파일됩니다.
• 62 개 언어의 TesserAct.js Pure JavaScript OCR

음성 인식

• 연설
• iOS 10에서 음성 인식 API 사용
• iOS에 대한 음성 인식 자습서
• iOS 용 CeedVocal 음성 인식 라이브러리

음성 신디사이저

• AvSpeechSynthesizer 텍스트 발화에서 합성 된 음성을 생성하고 진행중인 음성을 모니터링하거나 제어하기위한 제어를 제공하는 물체입니다.

인공 지능

• 스위프트의 클래식 엘리자 채팅 봇.
• 게임을위한 AI 프로그래밍 소개

머신 러닝을위한 Google 클라우드 플랫폼

• 기계 학습
• 예에 의한 기계 학습 API (Google I/O '17)
• iOS 앱에 컴퓨터 비전 추가

기타

• NOTHOTDOG CLASSIFIER 내가 당신에게 핫도그가 있는지 여부를 알려주는 앱이 있다고 말하면 무엇을 말 하시겠습니까?
• HBO의 Silicon Valley가 모바일 텐서 플로우, Keras & React Native로 "Not Hotdog"를 구축 한 방법