中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
面向移動設備的機器學習 版權信息
- ISBN：9787302553502
- 條形碼：9787302553502 ; 978-7-302-55350-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
面向移動設備的機器學習 本書特色
本書將通過簡單的實際示例幫助讀者開發面向移動設備的機器學習應用程序。讀者將從了解機器學習的基礎知識開始，到通讀本書后，將對什么是面向移動設備的機器學習以及可用于實現移動設備機器學習的工具/SDK有很好的了解，并且也將能夠實現可以在iOS和Android上運行的移動應用程序中的各種機器學習算法。 讀者將理解什么是機器學習，什么力量在推動面向移動設備的機器學習，以及面向移動設備的機器學習的獨特性。將接觸到所有移動設備機器學習工具和SDK：TensorFlow Lite、Core ML、ML Kit和Fritz。本書將探討每個工具箱的高級體系結構和組件。到本書結尾，讀者將對機器學習模型有廣泛的了解，并能夠執行設備上的機器學習。也將深入了解機器學習算法，例如回歸、分類、線性支持向量機（SVM）和隨機森林等。而且將學習如何進行自然語言處理以及實現垃圾郵件檢測。*后，將了解如何將使用Core ML和TensorFlow創建的現有模型轉換為Fritz模型。本書還討論了神經網絡，以及機器學習的未來。本書*后還包含一個“常見問題解答”形式的附錄，回答了讀者可能對移動設備的機器學習所產生的疑問。
面向移動設備的機器學習 內容簡介
本書詳細闡述了與移動設備機器學習相關的基本解決方案，主要包括面向移動設備的機器學習應用程序、監督學習和無監督學習算法、iOS上的隨機森林、在Android中使用TensorFlow、在iOS中使用Core ML進行回歸、ML Kit SDK、垃圾郵件檢測、Fritz、移動設備上的神經網絡、使用Google Cloud Vision的移動應用程序、移動應用程序上機器學習的未來等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。 本書適合作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學教材和參考手冊。
面向移動設備的機器學習 目錄
第1章 面向移動設備的機器學習應用程序 1
1.1 機器學習的定義 2
1.2 機器學習過程 4
1.2.1 定義機器學習問題 5
1.2.2 準備數據 5
1.2.3 建立模型 7
1.2.4 進行預測/現場部署 10
1.3 學習類型 10
1.3.1 監督學習 10
1.3.2 無監督學習 12
1.3.3 半監督學習 14
1.3.4 強化學習 15
1.3.5 機器學習的挑戰 16
1.4 在移動設備上進行機器學習 17
1.4.1 在移動應用程序中實現機器學習的方法 18
1.4.2 流行的移動機器學習工具和SDK 26
1.4.3 實現移動設備上機器學習應用程序所需的技能 27
1.5 小結 28
第2章 監督學習和無監督學習算法 29
2.1 監督學習算法簡介 29
2.2 深入研究監督學習算法 30
2.2.1 樸素貝葉斯 32
2.2.2 決策樹 34
2.2.3 線性回歸 35
2.2.4 邏輯回歸 36
2.2.5 支持向量機 38
2.2.6 隨機森林 40
2.3 無監督學習算法簡介 41
2.4 深入研究無監督學習算法 42
2.4.1 聚類算法 43
2.4.2 關聯規則學習算法 45
2.5 小結 46
2.6 參考文獻 46
第3章 iOS上的隨機森林 47
3.1 算法簡介 47
3.1.1 決策樹 47
3.1.2 隨機森林 50
3.2 在Core ML中使用隨機森林解決問題 52
3.2.1 數據集 52
3.2.2 技術要求 53
3.2.3 使用scikit-learn創建模型文件 54
3.2.4 將scikit模型轉換為Core ML模型 56
3.2.5 使用Core ML模型創建iOS移動應用程序 57
3.3 小結 60
3.4 深入閱讀 60
第4章 在Android中使用TensorFlow 61
4.1 關于TensorFlow 61
4.2 移動機器學習應用程序的體系結構 64
4.3 使用TensorFlow模型編寫移動應用程序 68
4.3.1 編寫**個程序 68
4.3.2 創建Android應用程序 71
4.4 小結 76
第5章 在iOS中使用Core ML進行回歸 77
5.1 回歸簡介 77
5.2 了解Core ML的基礎 81
5.3 在Core ML中使用回歸解決問題 84
5.3.1 技術要求 84
5.3.2 如何使用scikit-learn創建模型文件 84
5.3.3 運行和測試模型 87
5.3.4 將模型導入iOS項目 88
5.3.5 編寫iOS應用程序 88
5.3.6 運行iOS應用程序 90
5.4 深入閱讀 90
5.5 小結 91
第6章 ML Kit SDK 93
6.1 理解ML Kit 93
6.2 使用Firebase設備上的API創建文本識別應用 97
6.3 使用Firebase云端API創建文本識別應用 103
6.4 使用ML Kit進行人臉檢測 106
6.4.1 人臉檢測概念 106
6.4.2 使用ML Kit進行臉部檢測的示例解決方案 107
6.4.3 運行應用程序 109
6.5 小結 110
第7章 垃圾郵件檢測 111
7.1 理解NLP 111
7.1.1 關于NLP 111
7.1.2 文本預處理技術 113
7.1.3 特征工程 114
7.1.4 分類/聚類文本 115
7.2 理解線性SVM算法 115
7.3 在Core ML中使用線性SVM解決問題 117
7.3.1 關于數據 117
7.3.2 技術要求 118
7.3.3 使用Scikit Learn創建模型文件 118
7.3.4 將scikit-learn模型轉換為Core ML模型 119
7.3.5 編寫iOS應用程序 120
7.4 小結 124
第8章 Fritz 125
8.1 關于Fritz 126
8.1.1 預建機器學習模型 126
8.1.2 使用自定義模型的能力 126
8.1.3 模型管理 126
8.2 使用Fritz的實戰示例 127
8.2.1 通過Fritz使用現有的TensorFlow for mobile模型 127
8.2.2 使用Fritz預制模型創建Android應用程序 138
8.2.3 在使用Fritz的iOS應用程序中使用現有的Core ML模型 145
8.3 小結 150
第9章 移動設備上的神經網絡 151
9.1 神經網絡介紹 151
9.1.1 神經元的通信步驟 151
9.1.2 激活函數 152
9.1.3 神經元的排列 153
9.1.4 神經網絡的類型 154
9.2 圖像識別解決方案 154
9.3 創建TensorFlow圖像識別模型 154
9.3.1 關于TensorFlow的作用 155
9.3.2 重新訓練模型 156
9.3.3 將TensorFlow模型轉換為Core ML模型 161
9.3.4 編寫iOS移動應用程序 165
9.4 手寫數字識別解決方案 168
9.5 關于Keras 169
9.6 安裝Keras 169
9.7 求解問題 169
9.7.1 定義問題陳述 170
9.7.2 問題方案 171
9.8 小結 180
第10章 使用Google Cloud Vision的移動應用程序 181
10.1 關于Google Cloud Vision的功能 181
10.2 使用Google Cloud Vision的示例移動應用程序 182
10.2.1 標簽檢測的工作原理 182
10.2.2 先決條件 183
10.2.3 準備工作 184
10.2.4 理解應用 185
10.2.5 輸出 186
10.3 小結 187
第11章 移動應用程序上機器學習的未來 189
11.1 主要的機器學習移動應用程序 189
11.1.1 Facebook 190
11.1.2 Google Maps 190
11.1.3 Snapchat 190
11.1.4 Tinder 190
11.1.5 Netflix 190
11.1.6 Oval Money 191
11.1.7 ImprompDo 191
11.1.8 Dango 191
11.1.9 Carat 191
11.1.10 Uber 191
11.1.11 GBoard 191
11.2 主要創新領域 191
11.2.1 個性化應用 192
11.2.2 衛生保健 192
11.2.3 有針對性的促銷和營銷 192
11.2.4 視聽識別 192
11.2.5 電子商務 192
11.2.6 財務管理 193
11.2.7 游戲與娛樂 193
11.2.8 企業應用 193
11.2.9 房地產 194
11.2.10 農業 194
11.2.11 能源 194
11.2.12 移動安全 195
11.3 利益相關者的機會 195
11.3.1 硬件制造商 195
11.3.2 移動操作系統供應商 196
11.3.3 第三方移動機器學習 SDK提供商 196
11.3.4 機器學習移動應用程序開發人員 196
11.4 小結 197
附錄A 問題與答案 199
A.1 常見問題解答 199
A.1.1 數據科學 199
A.1.2 機器學習框架 201
A.1.3 移動機器學習項目實現 204
A.1.4 安裝 206
A.2 參考文獻 207
展開全部
書友推薦
- >
莉莉和章魚
- >
李白與唐代文化
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
回憶愛瑪儂
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
朝聞道
- >
名家帶你讀魯迅:故事新編
- >
山海經
本類暢銷
