本书详细阐述了与移动设备机器学习相关的基本解决方案,主要包括面向移动设备的机器学习应用程序、监督学习和无监督学习算法、iOS上的随机森林、在Android中使用TensorFlow、在iOS中使用Core ML进行回归、ML Kit SDK、垃圾邮件检测、Fritz、移动设备上的神经网络、使用Google Cloud Vision的移动应用程序、移动应用程序上机器学习的未来等内容。此外,本书还提供了相应的示例、代码,以帮助读者进一步理解相关方案的实现过程。 本书适合作为高等院校计算机及相关专业的教材和教学参考书,也可作为相关开发人员的自学教材和参考手册。
本书将通过简单的实际示例帮助读者开发面向移动设备的机器学习应用程序。读者将从了解机器学习的基础知识开始,到通读本书后,将对什么是面向移动设备的机器学习以及可用于实现移动设备机器学习的工具/SDK有很好的了解,并且也将能够实现可以在iOS和Android上运行的移动应用程序中的各种机器学习算法。 读者将理解什么是机器学习,什么力量在推动面向移动设备的机器学习,以及面向移动设备的机器学习的独特性。将接触到所有移动设备机器学习工具和SDK:TensorFlow Lite、Core ML、ML Kit和Fritz。本书将探讨每个工具箱的高级体系结构和组件。到本书结尾,读者将对机器学习模型有广泛的了解,并能够执行设备上的机器学习。也将深入了解机器学习算法,例如回归、分类、线性支持向量机(SVM)和随机森林等。而且将学习如何进行自然语言处理以及实现垃圾邮件检测。最后,将了解如何将使用Core ML和TensorFlow创建的现有模型转换为Fritz模型。本书还讨论了神经网络,以及机器学习的未来。本书最后还包含一个“常见问题解答”形式的附录,回答了读者可能对移动设备的机器学习所产生的疑问。
- 版权: 清华大学出版社
- 出版: 2020-06-06
- 更新: 2023-06-07
- 书号:9787302553502
- 中图:TP181;TN929.5
- 学科:工学控制科学与工程工学电子科学与技术工学计算机科学与技术工学信息与通信工程交叉学科智能科学与技术