没有设备可以运行的话，人工智能将一无是处。既然移动设备已成为大多数人的主要计算设备，那么移动发人员将AI添加到他们的工具箱中便至关重要。本书是你在iOS和Android等流行移动平台上创建和运行机器学习模型的实用指南。 作者首先介绍了机器学习技术和工具，然后引导你使用ML Kit、TensorFlow Lite和Core ML等工具编写由常见ML模型（如计算机视觉和文本识别）驱动的Android和iOS应用程序。如果你是一名移动端应用发者，本书将帮助你利用当今的ML技术。
售 价：¥
纸质售价：¥89.20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
第1章 人工智能和机器学习简介
1.1 什么是人工智能
1.2 什么是机器学习
1.3 在移动设备上构建和使用模型
1.4 总结
第2章 计算机视觉简介
2.1 为视觉使用神经元
2.2 计算机视觉的迁移学习
2.3 总结
第3章 ML Kit简介
3.1 在Android上构建人脸检测应用程序
3.2 为iOS构建人脸检测器应用程序
3.3 总结
第4章 Android上使用ML Kit的计算机视觉应用程序
4.1 图像标记和分类
4.2 物体检测
4.3 检测和跟踪视频中的物体
4.4 总结
第5章 Android上使用ML Kit的文本处理应用程序
5.1 实体提取
5.2 手写识别和其他识别
5.3 智能回复对话
5.4 总结
第6章 iOS上使用ML Kit的计算机视觉应用程序
6.1 图像标记和分类
6.2 使用ML Kit在iOS中进行物体检测
6.3 总结
第7章 iOS上使用ML Kit的文本处理应用程序
7.1 实体提取
7.2 手写识别
7.3 智能回复对话
7.4 总结
第8章 更深入：了解TensorFlow Lite
8.1 什么是TensorFlow Lite
8.2 TensorFlow Lite入门
8.3 创建一个Android应用程序来托管TFLite
8.4 创建一个iOS应用程序来托管TFLite
8.5 探索模型优化
8.6 总结
第9章 创建自定义模型
9.1 使用TensorFlow Lite Model Maker创建模型
9.2 使用Cloud AutoML创建模型
9.3 使用TensorFlow和迁移学习创建模型
9.4 创建语言模型
9.5 总结
第10章 在Android中使用自定义模型
10.1 将模型桥接到Android
10.2 从Model Maker输出构建图像分类应用程序
10.3 将Model Maker输出与ML Kit结合使用
10.4 使用语言模型
10.5 创建用于语言分类的Android应用程序
10.6 总结
第11章 在iOS中使用自定义模型
11.1 将模型桥接到iOS
11.2 自定义模型图像分类器
11.3 在ML Kit中使用自定义模型
11.4 在Swift中构建用于自然语言处理的应用程序
11.5 总结
第12章 使用Firebase产品化应用程序
12.1 为什么要使用Firebase自定义模型托管
12.2 创建多个模型版本
12.3 使用Firebase模型托管
12.4 总结
第13章 为简单的iOS应用程序创建ML和Core ML
13.1 使用Create ML构建Core ML图像分类器
13.2 使用Create ML构建文本分类器
13.3 在应用程序中使用模型
13.4 总结
第14章 从移动应用程序访问基于云的模型
14.1 安装TensorFlow Serving
14.2 构建和服务模型
14.3 从Android访问服务器模型
14.4 从iOS访问服务器模型
14.5 总结
第15章 移动应用程序的道德、公平和隐私
15.1 负责任的人工智能的道德、公平和隐私
15.2 Google的人工智能原则
15.3 总结
关于作者
关于封面
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
