面向移動(dòng)設(shè)備的機(jī)器學(xué)習(xí)

第1章 面向移動(dòng)設(shè)備的機(jī)器學(xué)習(xí)應(yīng)用程序 1
1.1 機(jī)器學(xué)習(xí)的定義 2
1.2 機(jī)器學(xué)習(xí)過(guò)程 4
1.2.1 定義機(jī)器學(xué)習(xí)問(wèn)題 5
1.2.2 準(zhǔn)備數(shù)據(jù) 5
1.2.3 建立模型 7
1.2.4 進(jìn)行預(yù)測(cè)/現(xiàn)場(chǎng)部署 10
1.3 學(xué)習(xí)類(lèi)型 10
1.3.1 監(jiān)督學(xué)習(xí) 10
1.3.2 無(wú)監(jiān)督學(xué)習(xí) 12
1.3.3 半監(jiān)督學(xué)習(xí) 14
1.3.4 強(qiáng)化學(xué)習(xí) 15
1.3.5 機(jī)器學(xué)習(xí)的挑戰(zhàn) 16
1.4 在移動(dòng)設(shè)備上進(jìn)行機(jī)器學(xué)習(xí) 17
1.4.1 在移動(dòng)應(yīng)用程序中實(shí)現(xiàn)機(jī)器學(xué)習(xí)的方法 18
1.4.2 流行的移動(dòng)機(jī)器學(xué)習(xí)工具和SDK 26
1.4.3 實(shí)現(xiàn)移動(dòng)設(shè)備上機(jī)器學(xué)習(xí)應(yīng)用程序所需的技能 27
1.5 小結(jié) 28
第2章 監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)算法 29
2.1 監(jiān)督學(xué)習(xí)算法簡(jiǎn)介 29
2.2 深入研究監(jiān)督學(xué)習(xí)算法 30
2.2.1 樸素貝葉斯 32
2.2.2 決策樹(shù) 34
2.2.3 線(xiàn)性回歸 35
2.2.4 邏輯回歸 36
2.2.5 支持向量機(jī) 38
2.2.6 隨機(jī)森林 40
2.3 無(wú)監(jiān)督學(xué)習(xí)算法簡(jiǎn)介 41
2.4 深入研究無(wú)監(jiān)督學(xué)習(xí)算法 42
2.4.1 聚類(lèi)算法 43
2.4.2 關(guān)聯(lián)規(guī)則學(xué)習(xí)算法 45
2.5 小結(jié) 46
2.6 參考文獻(xiàn) 46
第3章 iOS上的隨機(jī)森林 47
3.1 算法簡(jiǎn)介 47
3.1.1 決策樹(shù) 47
3.1.2 隨機(jī)森林 50
3.2 在Core ML中使用隨機(jī)森林解決問(wèn)題 52
3.2.1 數(shù)據(jù)集 52
3.2.2 技術(shù)要求 53
3.2.3 使用scikit-learn創(chuàng)建模型文件 54
3.2.4 將scikit模型轉(zhuǎn)換為Core ML模型 56
3.2.5 使用Core ML模型創(chuàng)建iOS移動(dòng)應(yīng)用程序 57
3.3 小結(jié) 60
3.4 深入閱讀 60
第4章 在Android中使用TensorFlow 61
4.1 關(guān)于TensorFlow 61
4.2 移動(dòng)機(jī)器學(xué)習(xí)應(yīng)用程序的體系結(jié)構(gòu) 64
4.3 使用TensorFlow模型編寫(xiě)移動(dòng)應(yīng)用程序 68
4.3.1 編寫(xiě)第一個(gè)程序 68
4.3.2 創(chuàng)建Android應(yīng)用程序 71
4.4 小結(jié) 76
第5章 在iOS中使用Core ML進(jìn)行回歸 77
5.1 回歸簡(jiǎn)介 77
5.2 了解Core ML的基礎(chǔ) 81
5.3 在Core ML中使用回歸解決問(wèn)題 84
5.3.1 技術(shù)要求 84
5.3.2 如何使用scikit-learn創(chuàng)建模型文件 84
5.3.3 運(yùn)行和測(cè)試模型 87
5.3.4 將模型導(dǎo)入iOS項(xiàng)目 88
5.3.5 編寫(xiě)iOS應(yīng)用程序 88
5.3.6 運(yùn)行iOS應(yīng)用程序 90
5.4 深入閱讀 90
5.5 小結(jié) 91
第6章 ML Kit SDK 93
6.1 理解ML Kit 93
6.2 使用Firebase設(shè)備上的API創(chuàng)建文本識(shí)別應(yīng)用 97
6.3 使用Firebase云端API創(chuàng)建文本識(shí)別應(yīng)用 103
6.4 使用ML Kit進(jìn)行人臉檢測(cè) 106
6.4.1 人臉檢測(cè)概念 106
6.4.2 使用ML Kit進(jìn)行臉部檢測(cè)的示例解決方案 107
6.4.3 運(yùn)行應(yīng)用程序 109
6.5 小結(jié) 110
第7章 垃圾郵件檢測(cè) 111
7.1 理解NLP 111
7.1.1 關(guān)于NLP 111
7.1.2 文本預(yù)處理技術(shù) 113
7.1.3 特征工程 114
7.1.4 分類(lèi)/聚類(lèi)文本 115
7.2 理解線(xiàn)性SVM算法 115
7.3 在Core ML中使用線(xiàn)性SVM解決問(wèn)題 117
7.3.1 關(guān)于數(shù)據(jù) 117
7.3.2 技術(shù)要求 118
7.3.3 使用Scikit Learn創(chuàng)建模型文件 118
7.3.4 將scikit-learn模型轉(zhuǎn)換為Core ML模型 119
7.3.5 編寫(xiě)iOS應(yīng)用程序 120
7.4 小結(jié) 124
第8章 Fritz 125
8.1 關(guān)于Fritz 126
8.1.1 預(yù)建機(jī)器學(xué)習(xí)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(shí)戰(zhàn)示例 127
8.2.1 通過(guò)Fritz使用現(xiàn)有的TensorFlow for mobile模型 127
8.2.2 使用Fritz預(yù)制模型創(chuàng)建Android應(yīng)用程序 138
8.2.3 在使用Fritz的iOS應(yīng)用程序中使用現(xiàn)有的Core ML模型 145
8.3 小結(jié) 150
第9章 移動(dòng)設(shè)備上的神經(jīng)網(wǎng)絡(luò) 151
9.1 神經(jīng)網(wǎng)絡(luò)介紹 151
9.1.1 神經(jīng)元的通信步驟 151
9.1.2 激活函數(shù) 152
9.1.3 神經(jīng)元的排列 153
9.1.4 神經(jīng)網(wǎng)絡(luò)的類(lèi)型 154
9.2 圖像識(shí)別解決方案 154
9.3 創(chuàng)建TensorFlow圖像識(shí)別模型 154
9.3.1 關(guān)于TensorFlow的作用 155
9.3.2 重新訓(xùn)練模型 156
9.3.3 將TensorFlow模型轉(zhuǎn)換為Core ML模型 161
9.3.4 編寫(xiě)iOS移動(dòng)應(yīng)用程序 165
9.4 手寫(xiě)數(shù)字識(shí)別解決方案 168
9.5 關(guān)于Keras 169
9.6 安裝Keras 169
9.7 求解問(wèn)題 169
9.7.1 定義問(wèn)題陳述 170
9.7.2 問(wèn)題方案 171
9.8 小結(jié) 180
第10章 使用Google Cloud Vision的移動(dòng)應(yīng)用程序 181
10.1 關(guān)于Google Cloud Vision的功能 181
10.2 使用Google Cloud Vision的示例移動(dòng)應(yīng)用程序 182
10.2.1 標(biāo)簽檢測(cè)的工作原理 182
10.2.2 先決條件 183
10.2.3 準(zhǔn)備工作 184
10.2.4 理解應(yīng)用 185
10.2.5 輸出 186
10.3 小結(jié) 187
第11章 移動(dòng)應(yīng)用程序上機(jī)器學(xué)習(xí)的未來(lái) 189
11.1 主要的機(jī)器學(xué)習(xí)移動(dòng)應(yīng)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?jiǎng)?chuàng)新領(lǐng)域 191
11.2.1 個(gè)性化應(yīng)用 192
11.2.2 衛(wèi)生保健 192
11.2.3 有針對(duì)性的促銷(xiāo)和營(yíng)銷(xiāo) 192
11.2.4 視聽(tīng)識(shí)別 192
11.2.5 電子商務(wù) 192
11.2.6 財(cái)務(wù)管理 193
11.2.7 游戲與娛樂(lè) 193
11.2.8 企業(yè)應(yīng)用 193
11.2.9 房地產(chǎn) 194
11.2.10 農(nóng)業(yè) 194
11.2.11 能源 194
11.2.12 移動(dòng)安全 195
11.3 利益相關(guān)者的機(jī)會(huì) 195
11.3.1 硬件制造商 195
11.3.2 移動(dòng)操作系統(tǒng)供應(yīng)商 196
11.3.3 第三方移動(dòng)機(jī)器學(xué)習(xí) SDK提供商 196
11.3.4 機(jī)器學(xué)習(xí)移動(dòng)應(yīng)用程序開(kāi)發(fā)人員 196
11.4 小結(jié) 197
附錄A 問(wèn)題與答案 199
A.1 常見(jiàn)問(wèn)題解答 199
A.1.1 數(shù)據(jù)科學(xué) 199
A.1.2 機(jī)器學(xué)習(xí)框架 201
A.1.3 移動(dòng)機(jī)器學(xué)習(xí)項(xiàng)目實(shí)現(xiàn) 204
A.1.4 安裝 206
A.2 參考文獻(xiàn) 207