یادگیری ماشین در برنامه های کاربردی موبایل

مدرس Kevin Ford

انتشار 2024/07/25

مدت زمان 4h 17m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Machine Learning in Mobile Applications

درک عالی از توسعه نرم افزار همیشه به درک کاملی از چیستی یادگیری ماشین یا نحوه عملکرد آن منتقل نمی شود. یادگیری ماشینی را می توان در طیف گسترده ای از سناریوها در توسعه موبایل استفاده کرد. در این دوره، کوین فورد، رهبر تمرین توسعه، این سناریوها را بررسی می‌کند و اینکه توسعه‌دهندگان چگونه می‌توانند یادگیری ماشین را در برنامه‌های موبایل خود پیاده‌سازی کنند. پس از یک آغازگر مفید در مورد یادگیری ماشینی که مخصوص توسعه موبایل است، به مدل‌های سرور مانند Watson و Azure و همچنین مدل‌های کلاینت مانند Core ML و ML Kit بروید. بعلاوه، درک خود را از پیشنهادهایی که در حال حاضر در دسترس هستند ایجاد کنید.

Artificial Intelligence (AI) Machine Learning Mobile Application Development

Introduction

Introduction to machine learning in mobile applications ()

What you should know to take this class ()

Setting up your machine ()

Using the exercise files ()

1. Mobile Developers Primer on Machine Learning

What is machine learning? ()

Required concepts ()

Why does this matter for my app? ()

Training a model ()

Machine learning vs. deep learning vs. generative AI ()

What can I do with machine learning? ()

Server-side vs. client-side ML ()

ML frameworks ()

2. Server Models: IBM Watson

Overview of Watson ()

Natural Language Understanding: Setup ()

watsonx.ai™ AI studio: Setup ()

watsonx.ai™ AI studio: Training ()

Deploying the model ()

Authenticating against a deployed model ()

Installing the Watson SDK into your mobile app ()

Calling Watson Natural Language Understanding ()

Returning a watsonx access token ()

Calling a watsonx custom model ()

Running the app ()

Challenge: Use Natural Language Understanding features ()

Solution: Use Natural Language Understanding features ()

3. Server Models: Azure

Azure Machine Learning overview ()

Language Understanding: Setup ()

Language Understanding: Using Language Studio ()

Language Understanding: Train, deploy, and test ()

Custom Vision: Setup ()

Azure Machine Learning Studio: Setup ()

Azure Machine Learning Studio: Create a model ()

Azure Machine Learning Studio: Deploy and test a model ()

Install the SDK in a mobile app ()

Tie to Language Understanding ()

Tie to Custom Vision ()

Prepare Android and iOS apps to consume non-SSL endpoints ()

Tie to the Azure Machine Learning Studio model ()

Running the app ()

Challenge: Create a custom Language Understanding model ()

Solution: Create a custom Language Understanding model ()

4. Client Models: Core ML

Core ML overview ()

Core ML: Create a natural language model ()

Core ML: Create a visual recognition model ()

Core ML: Create a regression model ()

Client tied to a natural language model ()

Client tied to a visual recognition model ()

Client tied to a regression model ()

Running the app ()

Challenge: Create a custom model ()

Solution: Create a custom model ()

5. Client Models: ML Kit

Introduction to ML Kit ()

Selecting a model ()

Adding the SDK to a mobile app ()

Calling the model ()

Running the app ()

Challenge: Implement the image labeling model ()

Solution: Implement the image labeling model ()

6. Understanding the Offerings

Different philosophies of the vendors ()

Why use client-side vs. server-side models? ()

When to use one or another of these solutions ()

Conclusion

Where to go from here ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.