Apresentação de Máquina Awesome
❤️ Apoie meus aplicativos ❤️
- Push Hero - Aplicação MacOS nativa pura e pura para testar notificações de push
- PASTEPAL - Gerente de pasto, nota e atalho
- Verificação rápida - gerente inteligente para TODO
- Alias - gerente de atalho de aplicativo e arquivo
- Meus outros aplicativos
❤️❤️ ??? ❤️❤️
Gosto de explorar o aprendizado de máquina, mas não quero que o mergulho em outras plataformas, como Python ou JavaScript, para entender algumas estruturas ou tensorflow. Felizmente, na WWDC 2017, a Apple apresenta o Core ML, Vision, Arkit, o que facilita o trabalho com o aprendizado de máquina. Com todos os modelos pré-treinados, podemos construir grandes coisas. É bom sentir o resultado primeiro e depois tentar explorar tópicos avançados e mecanismos subjacentes?
Isso curará as coisas principalmente relacionadas ao Core ML e Swift. Existem coisas relacionadas em outras plataformas, se você quiser obter algumas referências
Índice
- Core Ml
- Tensorflow
- Keras
- Turi Create
- Aprendizado de máquina
- Misc
Core Ml
Modelos
- Awesome-coreml Models Maior lista de modelos para ML Core (para iOS 11+)
- Caffe Caffe: Uma estrutura aberta rápida para o aprendizado profundo. http://caffe.beleleyvision.org/
- Os modelos de aprendizado profundo Keras codificam arquivos para modelos populares de aprendizado profundo.
- modelos de tensorflow modelos construídos com tensorflow
- LIBSVM Uma biblioteca para máquinas vetoriais de suporte
- aprendizado de máquina Scikit-Learn em Python
- XGBOOST escalável, portátil e distribuído Biblioteca (GBDT, GBRT ou GBM), para Python, R, Java, Scala, C ++ e muito mais. Executa em uma única máquina, Hadoop, Spark, Flink e Dataflow
- Coleção de modelos Keras-Classification de modelos Keras usados para classificação
- MobileNet-Caffe Caffe Implementação dos Mobilenets do Google
- ModelZoo Um repositório central do github para compartilhar modelos principais de ML
- Imagens do processo da biblioteca de arte de estilo Styleart usando o Coreml com um conjunto de modelos de aprendizado de máquina pré -treinado e convertem -os em estilo de arte
- modelos e exemplos de modelos construídos com tensorflow
- Core ML Store
Ferramentas
- Coremltools Coremltools em um pacote Python para criar, examinar e testar modelos no formato .mlmodel
- Torch2Coreml Esta ferramenta ajuda a converter modelos Torch7 em Apple Coreml
- Turicreate Turi Crie simplifica o desenvolvimento de modelos personalizados de aprendizado de máquina.
- Visualizador de Netron para modelos de rede neural e aprendizado de máquina
- ONNX-COREML ONNX para COREML Converter
- TF-Coreml Tensorflow para COREML Converter
- Ferramenta de depuração e visualização do TensorWatch para aprendizado de máquina e ciência de dados
Postagens
- Tutorial Swift: Aprendizado de máquina nativo e visão de máquina no iOS 11
- Como treinar seu próprio modelo para Coreml
- Reconhecimento inteligente de gestos no iOS 11 com Core ML e Tensorflow
- Aplicativo DIY PRISMA com Coreml
- Usando Scikit-Learn e Coreml para criar um mecanismo de recomendação musical
- Construindo não cachorro -quente com Turi Create e Core ML - em uma tarde
- Construa um detector Taylor Swift com a API de detecção de objeto Tensorflow, mecanismo ML e Swift
- Aproveitando o aprendizado de máquina no iOS para obter acessibilidade aprimorada
- IBM Watson Services for Core ML Tutorial
- Aprendizado de máquina iniciante com Keras & Core ML
- Detectando marcas de uísque com os principais serviços Core ML e IBM Watson
- Detectando Avengers Super -heróis em seu aplicativo iOS com IBM Watson e Coreml
- O aprendizado de máquina construa aplicativos mais inteligentes com aprendizado de máquina.
- Apple Machine Learning Journal
- Apresentando o núcleo ML
- Core ML em profundidade
- Core ML and Vision: Machine Learning in iOS 11 Tutorial
- iOS 11: aprendizado de máquina para todos
- Tudo o que um Swift Dev quis saber sobre aprendizado de máquina
- Trazendo aprendizado de máquina para seus aplicativos iOS
- Prós e contras das APIs de aprendizado de máquina iOS
- Core ML: Machine Learning for iOS
- Bootstrapping The Machine Learning Training Process
- Detectando pneumonia em um aplicativo iOS com Create ML
- Como ajustar a resnecamento em Keras e usá-la em um aplicativo iOS via Core ML
- Cinco dados comuns de qualidade de dados no aprendizado de máquina e como detectá -los rapidamente
Repos
- Core-ML-Sple uma demonstração usando o núcleo ML Framework
- UNSPLASHEXPLORER-COREML CORE ML Demo App com API UNSPLASH
- Mnist_draw Este é um projeto de amostra que demonstra o uso de keras (tensorflow) para o treinamento de um modelo MNIST para reconhecimento de caligrafia usando o Coreml no iOS 11 para inferência.
- Cocoaai o laboratório de inteligência artificial de cacau
- Complex-gestos-democampo uma demonstração de usar o Machine Learning para reconhecer 13 gestos complexos em um aplicativo iOS
- Core-ML-Carro-reconhecimento Uma estrutura de reconhecimento de carros para Coreml
- Projeto simples do Coreml-in-Arkit para detectar objetos e exibir rótulos 3D acima deles no AR. Isso serve como um modelo básico para um projeto Arkit usar o Coreml
- O treinador -MAC treina um modelo e gera um projeto Xcode completo que o usa - nenhum código necessário
- Gestureaei-coreml-Iios reconhecimento de gesto manual no aplicativo iOS usando o Coreml
- Visual-reconhecimento-coreml Classificar imagens offline usando o reconhecimento visual do Watson e o Core ML
Tensorflow
Postagens
- Modelos de tensorflow de código aberto (Google E/O '17)
- Swift para Tensorflow
- Comece com as APIs de alto nível TensorFlow (Google E/O '18)
- Introdução ao Tensorflow no iOS
- Apresentando o tensorflow.js: aprendizado de máquina em javascript
- Tensorflow para JavaScript (Google E/O '18)
- Colabolaboratory é um projeto de pesquisa do Google criado para ajudar a disseminar educação e pesquisa de aprendizado de máquina
- Use Tensorflow e BNNs para adicionar aprendizado de máquina ao seu aplicativo Mac ou iOS
Repos
- workshops alguns exercícios para uso em eventos Google IO 2018
Cursos
- Curso de aprendizado de máquina com APIs de tensorflow
- Aprendizagem profunda com Python por François Chollet
- Aprenda com os especialistas em ML no Google
Keras
Postagens
- Executando modelos Keras no iOS com Coreml
- Keras e redes neurais convolucionais (CNNs)
- Keras Tutorial: Transfer Aprendizagem usando o Modelshttps pré-treinado: //www.learnopencv.com/keras-tutorial-transfer-learning-using-pre-treh-models/
Turi Create
Postagens
- Construindo não cachorro -quente com Turi Create e Core ML - em uma tarde
- Processamento de linguagem natural no iOS com Turi Create
- Aprendizado de máquina em iOS: Turi Create e Coreml
- Um guia para Turi Criar
Aprendizado de máquina
Começando
- Uma nota de agradecimento para a ciência de dados
- É por isso que alguém pode aprender aprendizado de máquina
Postagens
- Uma introdução visual ao aprendizado de máquina
- O aprendizado de máquina é divertido!
- 10 termos de aprendizado de máquina explicados em inglês simples
- Aprendizado de máquina em um ano
- Recursos de auto-estudo de aprendizado de máquina
- Como aprender aprendizado de máquina
- Introdução ao aprendizado de máquina
- O guia não técnico de aprendizado de máquina e inteligência artificial
- Aprendizado de máquina: um guia detalhado - visão geral, metas, tipos de aprendizado e algoritmos
- Um passeio de algoritmos de aprendizado de máquina
- Aprendizado de máquina para hackers
- Aprendizado de máquina para desenvolvedores para iniciantes absolutos e alunos da quinta série
- Mergulhar-me-da-máquina mergulhar no aprendizado de máquina com notebook Python Jupyter e Scikit-Learn
- Uma introdução ao aprendizado de máquina com Scikit-Learn
- Construindo modelos poderosos de classificação de imagem usando muito poucos dados
- Como o Vale do Silício da HBO construiu “Not Hotdog” com Mobile Tensorflow, Keras & React Nativ
- Hello World - Receitas de aprendizado de máquina #1
- Uma explicação intuitiva das redes neurais convolucionais
- Uma rápida introdução às redes neurais
- Algoritmo de aprendizado de máquina para pássaros flappy usando rede neural e algoritmo genético
- Entendendo como as máquinas aprendem, através da prototipagem
- Treinamento no dispositivo
- Aprendizado de máquina para iOS
- O “Hello World” das redes neurais
- Redes neurais convolucionais no iOS 10 e macos
- LearningMachineLearning Swift Implementação de "Science Data From Scratch" e http://karpathy.github.io/neuralnets/
- O “Hello World” das redes neurais?
- Rede neural emojiintelligence construída no playground da Apple usando Swift?
- Aprendizado de máquina: classificação de ponta a ponta
- Machine Learning Zero to Hero (Google I/O'19)
Rede neural de convolução
- CS231N Inverno 2016 Palestra 7 Redes neurais convolucionais
- Como construir sua própria rede neural a partir do zero em Python
- Como funcionam as redes neurais convolucionais
Misc
Blogs
Crie ML
- Introdução para criar ML: como treinar seu próprio modelo de aprendizado de máquina no xcode 10
Kit ML
Visão
- Visão Aplique a análise de imagem de alto desempenho e as técnicas de visão computacional para identificar faces, detectar recursos e classificar cenas em imagens e vídeo.
- O blog-iniciando a visão
- Swift World: O que há de novo no iOS 11 - Visão
Processamento de linguagem natural
- O NSLINGUISTIGISTER Analise a linguagem natural para marcar parte da fala e da classe lexical, identificar nomes adequados, executar a lemmatização e determinar o idioma e o script (ortografia) do texto.
- Marcação linguística
- Nslinguistictagge em NSHSHSTER
- CoreLinguistics Este repositório contém algumas estruturas de dados fundamentais para a PNL.
- Swiftverbalexpressions Swift Porta de Verbalexpressions
Metal
- Metal
- MPSCNNHelloworld: Redes neurais de convolução simples de detecção de dígitos (CNN)
- MetaliMagerCognition: realizando reconhecimento de imagem
- Estruturas de aprendizado profundo da Apple: BNNS vs. Metal CNN
- Forjar um kit de ferramentas de rede neural para metal
Jogo de jogo
- Jogo de jogo
- Projeto 34: quatro seguidos
- GkminMaxstrategist: O que é preciso para construir uma AI Tictactoe?
- Tutorial de jogabilidade: inteligência artificial
- Gemas de jogo de jogo
- JOGO DO JOGO: Além dos jogos
Cursos
- 6.S191: Introdução ao aprendizado profundo
- Aprendizado de máquina
- Introdução - Introdução ao aprendizado de máquina em Udacidade
- Machine Learning & Deep Learning Fundamentals by Deeplizard
Entrevista
- 41 perguntas essenciais da entrevista de aprendizado de máquina
Outras estruturas de ML
- Tensorswift uma biblioteca leve para calcular os tensores em Swift, que tem APIs semelhantes ao Tensorflow's
- Swift-AI a Swift Machine Learning Library.
- Inteligência artificial do cérebro Swift Estruturas de dados e algoritmos rápidos para o desenvolvimento futuro do iOS. Teorema de Bayes, redes neurais e mais IA.
- Bender cria facilmente redes neurais rápidas no iOS! Use modelos TensorFlow. Metal sob o capô.
- BrainCore a estrutura de rede neural iOS e OS X
- Aitoolbox Uma caixa de ferramentas de módulos de IA escritos em swift: gráficos/árvores, máquinas vetoriais de suporte, redes neurais, PCA, K-means, algoritmos genéticos
- Redes neurais cerebrais em JavaScript
- TensorFlow Uma biblioteca de software de código aberto para inteligência de máquina
- Incubator-Predictionio Predictionio, um servidor de aprendizado de máquina para desenvolvedores e engenheiros de ML. Construído no Apache Spark, Hbase e Spray.
- CAFFE Deep Learning Framework by Bair
- Torch uma estrutura de computação científica para luajit
- Theano Theano é uma biblioteca Python que permite definir, otimizar e avaliar expressões matemáticas envolvendo matrizes multidimensionais com eficiência
- CNTK Microsoft Cognitive Toolkit (CNTK), um kit de ferramentas de aprendizado profundo de código aberto
- MXNET leve, portátil e flexível Distribuído/Mobile Deep Learning
Acelerar
- Acelere a Swift Exemplo de aceleração de codos para o acelerar.Framework
- Surge uma biblioteca Swift que usa a estrutura acelerada para fornecer funções de alto desempenho para matriz matemática, processamento de sinais digitais e manipulação de imagem.
Estatística
- SigmaswiftStatistics Uma coleção de funções para cálculo estatístico escrito em Swift
Serviços
- O Watson ativa os recursos de computação cognitiva em seu aplicativo usando as APIs de idioma, visão, fala e dados da IBM Watson.
- Wit.ai Linguagem natural para desenvolvedores
- Aprendizado de máquina em nuvem aprendizado de máquina de mecanismo em qualquer dado, qualquer tamanho
- API de visão em nuvem derivar informações de imagens com nossa poderosa API de visão em nuvem
- Amazon Machine Learning Amazon Machine Learning facilita para os desenvolvedores criar aplicativos inteligentes, incluindo aplicativos para detecção de fraude, previsão da demanda, marketing direcionado e previsão de clique em
- API.AI Construa Interações de Linguagem Natural de Marca, para Bots, Aplicações, Serviços e Dispositivos.
- Clarifai Construa aplicativos incríveis com a melhor API de reconhecimento de imagem e vídeo do mundo.
- OpenML explorando o aprendizado de máquina juntos
- LOBO Aprendizado profundo simplificou
- Comparando serviços de aprendizado de máquina (ML) de vários provedores de serviços em nuvem ML
Reconhecimento de texto
- Tutorial do TESSERACT OCR
- Tesseract-ococ-Iios Tesseract OCR iOS é uma estrutura para iOS7+, compilada também para ARMV7S e ARM64.
- TESSERACT.JS Pure JavaScript OCR para 62 idiomas
Reconhecimento de fala
- Discurso
- Usando a API de reconhecimento de fala no iOS 10
- Tutorial de reconhecimento de fala para iOS
- Biblioteca de reconhecimento de fala Ceedvocal para iOS
Sintetizador de fala
- AVSSpeechSynthesizer Um objeto que produz fala sintetizada a partir de enunciados de texto e fornece controles para monitorar ou controlar a fala em andamento.
Inteligência artificial
- O clássico BOT de bate -papo Eliza em Swift.
- Introdução à programação da IA para jogos
Google Cloud Platform for Machine Learning
- Aprendizado de máquina
- APIs de aprendizado de máquina por exemplo (Google E/O '17)
- Adicionando visão computacional ao seu aplicativo iOS
Outros
- NothotDog-Classifier O que você diria se eu lhe dissesse que há um aplicativo no mercado que informa se você tem um cachorro-quente ou não um cachorro-quente.
- Como o Vale do Silício da HBO construiu “Not Hotdog” com o Mobile Tensorflow, Keras & React Native
