这本实用的书为所有程序员和发人员提供了使用Swift行AI和机器学习发的一站式服务，让他们可以在iOS、macOS、tvOS和watchOS的Swift应用中创建并实现基于AI和机器学习的功能。你将学习如何使用强大的AI软件构建应用功能，从而识别图像，行预测，生成内容，行推荐等。 对所有发人员而言，AI越来越重要，即使你不是数据科学家或数学家，也可以在应用程序中使用AI。本书探索基于Swift的AI和机器学习技术，并讨论了AI驱动功能用在哪些场景下以及如何才有意义。书中使用了诸如基于Python的TuriCreate（来自苹果公司）和Swift for TensorFlow（来自谷歌）等工具。
售 价：¥
纸质售价：¥97.30购买纸书
6.6
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
O’Reilly Media, Inc.介绍
本书赞誉
译者序
前言
本书资源
受众与方法
本书结构
使用本书
重要任务
排版约定
示例代码
O’Reilly在线学习平台（O’Reilly Online Learning）
如何联系我们
致谢
第一部分 基础知识和工具
第1章 人工智能！？
1.1 Swift人工智能实战以及Python
代码示例
1.2 为何选择Swift
为何选择AI
1.3 什么是AI，它能做什么
1.3.1 深度学习与AI
1.3.2 神经网络从哪里来
1.3.3 道德地、有效地、适当地使用AI
1.4 实用AI任务
1.5 典型的基于任务的方法
第2章 AI工具
2.1 为什么采用自顶向下的方法
2.2 优秀AI的优秀工具
2.3 来自苹果的工具
2.3.1 CoreML
2.3.2 CreateML
2.3.3 Turi Create
2.3.4 苹果的其他框架
2.3.5 CoreML社区工具
2.4 其他工具
2.4.1 Swift for TensorFlow
2.4.2 TensorFlow to CoreML Model Converter
2.4.3 其他转换器
2.5 AI相邻工具
2.5.1 Python
2.5.2 Keras、Pandas、Jupyter、Colaboratory、Docker
2.5.3 其他工具
2.6 下一步
第3章 寻找或构建数据集
3.1 规划和识别目标数据
3.1.1 否定即失败
3.1.2 封闭世界假设
3.2 寻找数据集
3.2.1 去哪里找
3.2.2 寻找什么
3.3 构建数据集
3.3.1 数据记录
3.3.2 数据整理
3.3.3 数据抓取
3.4 准备数据集
3.4.1 了解数据集
3.4.2 清洗数据
3.4.3 转换数据
3.4.4 验证数据集的适应性
3.5 苹果的模型
第二部分 任务
第4章 视觉
4.1 实用AI与视觉
4.2 任务：人脸检测
4.2.1 问题与方法
4.2.2 构建应用程序
4.2.3 刚才发生了什么，这是如何工作的
4.2.4 优化应用程序
4.2.5 更多优化
4.3 任务：条形码检测
4.4 任务：显著性检测
4.5 任务：图像相似度
4.5.1 问题与方法
4.5.2 构建应用程序
4.5.3 刚才发生了什么，这是如何工作的
4.5.4 下一步
4.6 任务：图像分类
4.6.1 问题与方法
4.6.2 构建应用程序
4.6.3 AI工具包和数据集
4.6.4在应用程序中加入模型
4.6.5 优化应用程序
4.7 任务：绘图识别
4.7.1 问题与方法
4.7.2 AI工具包和数据集
4.7.3 构建应用程序
4.7.4 下一步
4.8 任务：风格分类
4.8.1 转换模型
4.8.2 使用模型
4.9 下一步
第5章 音频
5.1 实用AI与音频
5.2 任务：语音识别
5.2.1 问题与方法
5.2.2 构建应用程序
5.2.3 刚才发生了什么，这是如何工作的
5.2.4 下一步
5.3 任务：声音分类
5.3.1 问题与方法
5.3.2 构建应用程序
5.3.3 AI工具包和数据集
5.3.4 创建模型
5.3.5 在应用程序中加入模型
5.3.6 优化应用程序
5.4 下一步
第6章 文本和语言
6.1 实用AI与文本和语言
6.2 任务：语言识别
6.3 任务：命名实体识别
6.4 任务：词形还原、标注、分词
6.4.1 词性
6.4.2 句子分词
6.5 任务：情感分析
6.5.1 问题与方法
6.5.2 构建应用程序
6.5.3 AI工具包和数据集
6.5.4 创建模型
6.5.5 在应用程序中加入模型
6.6 任务：自定义文本分类器
AI工具包和数据集
6.7 下一步
第7章 运动和手势
7.1 实用AI与运动和手势
7.2 任务：行为识别
7.2.1 问题与方法
7.2.2 构建应用程序
7.2.3 刚才发生了什么，这是如何工作的
7.3 任务：绘图手势分类
7.3.1 问题与方法
7.3.2 AI工具包和数据集
7.3.3 构建应用程序
7.4 任务：行为分类
7.4.1 问题与方法
7.4.2 AI工具包和数据集
7.4.3 使用模型
7.5 任务：通过AI使用增强现实
7.6 下一步
第8章 增强
8.1 实用AI与增强
8.2 任务：图像风格转换
8.2.1 问题与方法
8.2.2 构建应用程序
8.2.3 AI工具包和数据集
8.2.4 创建模型
8.2.5 在应用程序中加入模型
8.3 任务：文本生成
刚才发生了什么，这是如何工作的
8.4 任务：用GAN生成图像
8.4.1 问题与方法
8.4.2 AI工具包和数据集
8.4.3 构建应用程序
8.5 任务：电影推荐
8.5.1 问题与方法
8.5.2 AI工具包和数据集
8.5.3 使用推荐器
8.6 任务：回归预测
8.6.1 问题与方法
8.6.2 AI工具包和数据集
8.6.3 在应用程序中使用回归器
8.7 下一步
第9章 功能之外
9.1 任务：安装Swift for TensorFlow
9.1.1 添加Swift for TensorFlow到Xcode
9.1.2 使用Docker和Jupyter安装Swift for TensorFlow
9.2 任务：在Swift中使用Python
9.3 任务：使用Swift for TensorFlow训练分类器
9.4 任务：使用CoreML社区工具
9.4.1 问题
9.4.2 流程
9.4.3 使用转换后的模型
9.5 任务：在设备上更新模型
9.6 任务：在设备上下载模型
9.7 下一步
第三部分 展望
第10章 AI和ML方法
10.1 术语
10.1.1 AI/ML 组件
10.1.2 AI/ML目标
10.1.3 值的类型
10.2 分类
10.2.1 方法
10.2.2 应用
10.3 聚类
10.3.1 方法
10.3.2 应用
10.4 下一步
第11章 探索底层
11.1 深入了解CoreML
11.2 视觉
11.2.1 人脸检测
11.2.2 条形码检测
11.2.3 显著性检测
11.2.4 图像分类
11.2.5 图像相似度
11.2.6 位图绘图分类
11.3 音频
11.3.1 声音分类
11.3.2 语音识别
11.4 文本和语言
11.4.1 语言识别
11.4.2 命名实体识别
11.4.3 词形还原、标注、分词
11.5 推荐
11.6 预测
11.7 文本生成
11.8 生成
11.9 CoreML的未来
11.10 下一步
第12章 绝知此事要躬行
12.1 在CoreML的魔法背后
12.2 任务：构建XOR
网络的形状
12.3 代码
12.3.1 构建它
12.3.2 使它工作
12.3.3 拆除它
12.3.4 使用神经网络
12.3.5 异或的近似值
12.4 训练
12.5 下一步
作者简介
封面简介
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
