Удивительное обучение
❤ Поддерживать мои приложения ❤
- Push Hero - Pure Swift Native Macos Application для тестирования push -уведомлений
- Пастераппал - панель, заметка и сочетание менеджера
- Быстрая проверка - Smart Todo Manager
- Псевдоним - диспетчер сочетания приложений и файлов
- Мои другие приложения
❤ ??? ❤
Мне нравится исследовать машинное обучение, но я не хочу, чтобы погружаться в другие платформы, такие как Python или JavaScript, чтобы понять некоторые структуры или Tensorflow. К счастью, на WWDC 2017 Apple представляет Core ML, Vision, Arkit, что намного облегчает работу с машинным обучением. Со всеми предварительно обученными моделями мы можем построить великие вещи. Приятно сначала почувствовать результат, а затем попытаться исследовать расширенные темы и основные механизмы?
Это будет курировать вещи, в основном связанные с Core ML, и Swift. Есть связанные вещи на других платформах, если вы хотите получить некоторые ссылки
Оглавление
- Ядро ML
- Tensorflow
- Керас
- Тури создать
- Машинное обучение
- Разное
Ядро ML
Модели
- Awesome-Coreml-Models крупнейший список моделей для Core ML (для iOS 11+)
- Caffe Caffe: быстро открытая структура для глубокого обучения. http://caffe.berkeleyvision.org/
- Глубокие модели кераса и веса для популярных моделей глубокого обучения.
- модели TensorFlow Models, построенные с TensorFlow
- libsvm библиотека для векторных машин поддержки
- машинное обучение Scikit-learn в Python
- XGBOOST Scalable, портативная и распределенная библиотека повышения градиента (GBDT, GBRT или GBM), для Python, R, Java, Scala, C ++ и многое другое. Запускается на одной машине, Hadoop, Spark, Flink и Dataflow
- Коллекция моделей Ceras-Classiation-Models, используемые для классификации
- Реализация Caffe Caffe Mobilenet-Caffe
- Modelzoo Центральный репозиторий GitHub для обмена моделями Core ML
- Изображения стиля стиля стиля с использованием Coreml с набором предварительно обученных моделей машинного обучения и конвертируйте их в художественный стиль
- Модели моделей и примеры, построенные с TensorFlow
- Core ML Store
Инструменты
- Coremltools coremltools в пакете Python для создания, проверки и тестирования моделей в формате .mlmodel
- Torch2coreml Этот инструмент помогает преобразовать модели Torch7 в Apple Coreml
- Turicreate Turi Create упрощает разработку моделей пользовательского машинного обучения.
- Setron Viewer для моделей нейронной сети и машинного обучения
- onnx-coreml onnx to coreml converter
- tf-coreml tensorflow в coreml converter
- Инструмент отладки и визуализации TensorWatch для машинного обучения и науки о данных
Посты
- Swift Учебное пособие: Нативное машинное обучение и машинное зрение в iOS 11
- Как тренировать свою собственную модель для Coreml
- Умное распознавание жестов в iOS 11 с Core ML и TensorFlow
- DIY Prisma App с Coreml
- Использование Scikit-Learn и Coreml для создания механизма музыкальной рекомендации
- Строительство не горячего с помощью Turi Create и Core ML - во второй половине дня
- Создайте детектор Taylor Swift с API обнаружения объектов TensorFlow, двигателем ML и Swift
- Использование машинного обучения в iOS для улучшения доступности
- IBM Watson Services для основного учебника ML
- Начальное машинное обучение с Keras & Core ML
- Обнаружение брендов виски с Core ML и IBM Watson Services
- Обнаружение супергероев Avengers в вашем приложении для iOS с IBM Watson и Coreml
- Машинное обучение создает более интеллектуальные приложения с помощью машинного обучения.
- Apple Machine Learning Journal
- Представление Core ML
- Ядро ML в глубине
- Core ML и Vision: машинное обучение в обучении в iOS 11
- iOS 11: машинное обучение для всех
- Все, что когда -либо хотел узнать о машинном обучении
- Привлечение машинного обучения в ваши приложения для iOS
- Плюсы и минусы API машинного обучения iOS
- Core ML: машинное обучение для iOS
- Начальная загрузка процесса обучения машинного обучения
- Обнаружение пневмонии в приложении iOS с созданием ML
- Как точно настраивать Resnet в керах и использовать его в приложении iOS через Core ML
- Пять распространенных данных о качеством данных получают в машинном обучении и как их быстро обнаружить
Репо
- Core-Ml-Sample Demo с использованием структуры Core ML
- Unsplashexplorer-Coreml Core ML Demo App с Unsplash API
- Mnist_draw Это образец проекта, демонстрирующий использование керас (tensorflow) для обучения модели Mnist для распознавания почерка с использованием Coreml на iOS 11 для вывода.
- Cocoaai The Cocoa Artificial Intelligence Lab
- комплексные предыдущие предстоящие демонстрации использования машинного обучения для распознавания 13 комплексных жестов в приложении для iOS
- Core-Ml-Car-Cogniation Органа по распознаванию автомобилей для Coreml
- Coreml-In-Arckit Simple Project для обнаружения объектов и отображения 3D-метки над ними в AR. Это служит основным шаблоном для проекта Arkit для использования Coreml
- Trainer -MAC обучает модель, а затем генерирует полный проект Xcode, который использует его - код не требуется
- Gestureai-Coreml-IOIS распознавание ручного предыстория в приложении для iOS с использованием coreml
- Визуальное распознавание-Coreml Классификация изображений в автономном режиме с использованием визуального распознавания Watson и Core ML
Tensorflow
Посты
- Модели TensorFlow с открытым исходным кодом (Google I/O '17)
- Свифт для Tensorflow
- Начните с API высокого уровня TensorFlow (Google I/O OC18)
- Начало работы с TensorFlow на iOS
- Представляем Tensorflow.js: машинное обучение в JavaScript
- Tensorflow для JavaScript (Google I/O '18)
- Colab Colaboratory - это исследовательский проект Google, созданный для распространения образования и исследований машинного обучения и исследований
- Используйте TensorFlow и BNNS, чтобы добавить машинное обучение в приложение Mac или iOS
Репо
- Семинары несколько упражнений для использования на мероприятиях Google IO 2018
Курсы
- Курс сбоев машинного обучения с API -интерфейсом TensorFlow
- Глубокое обучение с Python Francois chollet
- Учитесь у экспертов ML в Google
Керас
Посты
- Запуск моделей Keras на iOS с Coreml
- Кера и сверточные нейронные сети (CNN)
- Учебное пособие кераса: Трансферный обучение с использованием предварительно обученного модели sthttps: //www.learnopencv.com/keras-tutorial-transfer-learning-using-pre-обученные models/
Тури создать
Посты
- Строительство не горячего с помощью Turi Create и Core ML - во второй половине дня
- Обработка естественного языка на iOS с TURI CREATE
- Машинное обучение в iOS: Turi Create и Coreml
- Руководство по созданию тури
Машинное обучение
Начиная
- Благодарственная примечания к науке о данных
- Вот почему каждый может изучать машинное обучение
Посты
- Визуальное введение в машинное обучение
- Машинное обучение - это весело!
- 10 терминов машинного обучения, объясненные на простом английском языке
- Машинное обучение за год
- Машинное обучение ресурсы самообучения
- Как изучать машинное обучение
- Начало работы с машинным обучением
- Нетехническое руководство по машинному обучению и искусственному интеллекту
- Машинное обучение: подробное руководство - Обзор, цели, типы обучения и алгоритмы
- Тур по алгоритмам машинного обучения
- Машинное обучение для хакеров
- Машинное обучение для разработчиков для абсолютных начинающих и пятиклассников
- Погружение погружения в машинное обучение с ноутбуком Python Jupyter и Scikit-Learn
- Введение в машинное обучение с Scikit-learn
- Создание мощных моделей классификации изображений с использованием очень мало данных
- Как Силиконовая долина HBO построила «Не хот -дог» с мобильным тензором, керас и реагированием Nativ
- Hello World - Рецепты машинного обучения №1
- Интуитивное объяснение сверточных нейронных сетей
- Быстрое введение в нейронные сети
- Алгоритм машинного обучения для Flappy Bird с использованием нейронной сети и генетического алгоритма
- Понимание того, как машины учатся через прототипирование
- Обучение на устройстве
- Машинное обучение для iOS
- «Hello World» нейронных сетей
- Сверточные нейронные сети в iOS 10 и macOS
- LearningMachinelearning Swift реализация «науки данных с нуля» и http://karpathy.github.io/neuralnets/
- «Hello World» нейронных сетей?
- Нейронная сеть emojiintelligence, встроенная в Apple Playground с использованием Swift?
- Машинное обучение: сквозная классификация
- Машинное обучение ноль для героя (Google I/O'19)
Развертка нейронная сеть
- CS231N Winter 2016 Лекция 7 сверточные нейронные сети
- Как построить свою собственную нейронную сеть с нуля в Python
- Как работают сверточные нейронные сети
Разное
Блоги
Создать ML
- Введение в создание ML: как обучить свою собственную модель машинного обучения в XCode 10
ML Kit
Зрение
- Vision применяет высокопроизводительный анализ изображений и методы компьютерного зрения для определения лиц, обнаружения функций и классификации сцен в изображениях и видео.
- Блог-поступление с видом
- Swift World: что нового в iOS 11 - Vision
Обработка естественного языка
- Nslinguistictggger анализируйте естественный язык, чтобы пометить часть речи и лексического класса, определить собственные имена, выполнять лемматизацию и определить язык и сценарий (орфография) текста.
- Лингвистическая тегация
- Nslinguistictggergagger на Nshipster
- Corelingistics Это хранилище содержит некоторые фундаментальные структуры данных для NLP.
- Swiftverbalexpressions Swift Port of VerbalexPressions
Металл
- Металл
- Mpscnnhelloworld: простые цифровые разветвления нейронные сети (CNN)
- MetalImagerCognition: выполнение распознавания изображений
- Глубокие фреймворки Apple: BNNS против Metal CNN
- Получить инструментарий нейронной сети для металла
Геймплейкит
- Геймплейкит
- Проект 34: четыре подряд
- Gkminmaxstrategist: что нужно, чтобы построить AI Tictactoe?
- Учебное пособие по геймплайкиту: искусственный интеллект
- Жемчужины геймплейкита
- Геймплейкит: за пределами игр
Курсы
- 6.S191: Введение в глубокое обучение
- Машинное обучение
- Введение - вступление в машинное обучение на udacity
- Машинное обучение и основы глубокого обучения от DeepLizard
Интервью
- 41 Вопросы для интервью для обучения в области машинного машинного обучения
Другие фреймворки ML
- Tensorswift Легкая библиотека для расчета тензоров в Swift, которая имеет аналогичные APIS с Tensorflow
- Swift-AI Библиотека машинного обучения Swift.
- Свифт-мозг искусственный интеллект/структуры данных машинного обучения и алгоритмы быстрых для будущего разработки iOS. Байеса теорема, нейронные сети и еще больше искусственного искусства.
- Бендер легко создавать быстрые нейронные сети на iOS! Используйте модели TensorFlow. Металл под капюшоном.
- Braincore IOS и OS X Neural Network Framework
- Aitoolbox Набор инструментов модулей искусственного интеллекта, написанный в Swift: графики/деревья, машины для поддержки векторных, нейронные сети, PCA, K-средние, генетические алгоритмы
- Нейронные сети мозга в JavaScript
- Tensorflow Библиотека программного обеспечения с открытым исходным кодом для машинного интеллекта
- Incubator-Predictionio Predictionio, сервер машинного обучения для разработчиков и инженеров ML. Построен на Apache Spark, Hbase и Spray.
- Caffe Deep Learning Framework от Bair
- Факел научной вычислительной структуры для Luajit
- Theano Theano-это библиотека Python, которая позволяет вам эффективно определять, оптимизировать и оценивать математические выражения, включающие многомерные массивы
- CNTK Microsoft Cognitive Toolkit (CNTK), инструментарий с глубоким обучением с открытым исходным кодом
- Легкая, портативная, гибкая распределенная/мобильная обучение MXNet
Ускорить
- Accelerate In-Swift Swift Примерные коды для Accelerate.framework
- Burge A Swift Library, которая использует структуру ускорения для обеспечения высокопроизводительных функций для математической математики, цифровой обработки сигналов и манипуляции с изображениями.
Статистика
- Sigmaswiftstatistics Коллекция функций для статистического расчета, записанного в Swift
Услуги
- Уотсон включает функции когнитивных вычислений в вашем приложении, используя язык, видения, речи и данные IBM Watson.
- wit.ai естественный язык для разработчиков
- Облачное машинное обучение машинного машинного обучения на любых данных, любой размер
- API Cloud Vision получает понимание изображений с нашим мощным API Cloud Vision API
- Amazon Machine Learning Amazon Machine Learning позволяет разработчикам создавать интеллектуальные приложения, включая приложения для обнаружения мошенничества, прогнозирование спроса, целевой маркетинг и прогноз кликов
- API.ai создает Unique, естественный язык взаимодействия для ботов, приложений, услуг и устройств.
- Clarifai Создайте удивительные приложения с лучшим в мире API изначальным ими и видео.
- OpenMl Изучение машинного обучения вместе
- Глубокое обучение доли стало простым
- Сравнение услуг машинного обучения (ML) от различных поставщиков услуг Cloud ML
Распознавание текста
- Учебник Tesseract OCR
- Tesseract-OC-IOIS Tesseract OCR IOS является основой для iOS7+, составленной также для ARMV7S и ARM64.
- tesseract.js pure javascript ocr для 62 языков
Распознавание речи
- Речь
- Использование API распознавания речи в iOS 10
- Учебное пособие по распознаванию речи для iOS
- Библиотека распознавания речи Ceedvocal для iOS
Речевой синтезатор
- Avspeechsynthesizer Объект, который производит синтезированную речь из текстовых высказываний и предоставляет элементы управления для мониторинга или контроля текущей речи.
Искусственный интеллект
- Классический бот Элизы чат в Свифте.
- Введение в программирование ИИ для игр
Google Cloud Platform для машинного обучения
- Машинное обучение
- API -интерфейсы машинного обучения по примеру (Google I/O Oc17)
- Добавление компьютерного видения в приложение для iOS
Другие
- Nothotdog-classifier Что бы вы сказали, если бы я сказал вам, что на рынке есть приложение, которое говорит вам, есть ли у вас хот-дог или нет хот-дог.
- Как Силиконовая долина HBO построила «Не хот -дог» с мобильным тензорфловом, Keras & React Native
