آموزش یادگیری ماشین در برنامه های کاربردی موبایل

سرفصل ها و درس ها

معرفی Introduction

• مقدمه ای بر یادگیری ماشین در اپلیکیشن های موبایل Introduction to machine learning in mobile applications

• آنچه برای شرکت در این کلاس باید بدانید What you should know to take this class

• راه اندازی دستگاه شما Setting up your machine

• با استفاده از فایل های تمرین Using the exercise files

1. Primer Developers Mobile on Machine Learning 1. Mobile Developers Primer on Machine Learning

• مفاهیم مورد نیاز Required concepts

• سمت سرور در مقابل ML سمت سرویس گیرنده Server-side vs. client-side ML

• یادگیری ماشینی چیست؟ What is machine learning?

• یادگیری ماشینی در مقابل یادگیری عمیق در مقابل هوش مصنوعی مولد Machine learning vs. deep learning vs. generative AI

• با یادگیری ماشینی چه کار کنم؟ What can I do with machine learning?

• چرا این موضوع برای برنامه من اهمیت دارد؟ Why does this matter for my app?

• آموزش یک مدل Training a model

• چارچوب های ML ML frameworks

2. مدل های سرور: IBM Watson 2. Server Models: IBM Watson

• فراخوانی واتسون درک زبان طبیعی Calling Watson Natural Language Understanding

• نصب Watson SDK در برنامه تلفن همراه خود Installing the Watson SDK into your mobile app

• چالش: از ویژگی های درک زبان طبیعی استفاده کنید Challenge: Use Natural Language Understanding features

• مروری بر واتسون Overview of Watson

• فراخوانی یک مدل سفارشی watsonx Calling a watsonx custom model

• درک زبان طبیعی: راه اندازی Natural Language Understanding: Setup

• اجرای برنامه Running the app

• استودیوی هوش مصنوعی watsonx.ai™: آموزش watsonx.ai™ AI studio: Training

• استودیوی هوش مصنوعی watsonx.ai™: راه اندازی watsonx.ai™ AI studio: Setup

• بازگرداندن رمز دسترسی watsonx Returning a watsonx access token

• استقرار مدل Deploying the model

• احراز هویت در برابر مدل مستقر شده Authenticating against a deployed model

• راه حل: از ویژگی های درک زبان طبیعی استفاده کنید Solution: Use Natural Language Understanding features

3. مدل های سرور: Azure 3. Server Models: Azure

• به چشم انداز سفارشی گره بزنید Tie to Custom Vision

• مروری بر یادگیری ماشین لاجورد Azure Machine Learning overview

• درک زبان: آموزش، استقرار و آزمایش Language Understanding: Train, deploy, and test

• چشم انداز سفارشی: راه اندازی Custom Vision: Setup

• درک زبان: با استفاده از زبان استودیو Language Understanding: Using Language Studio

• برنامه های Android و iOS را برای مصرف نقاط پایانی غیر SSL آماده کنید Prepare Android and iOS apps to consume non-SSL endpoints

• اجرای برنامه Running the app

• Azure Machine Learning Studio: استقرار و آزمایش یک مدل Azure Machine Learning Studio: Deploy and test a model

• گره زدن به درک زبان Tie to Language Understanding

• راه حل: یک مدل درک زبان سفارشی ایجاد کنید Solution: Create a custom Language Understanding model

• SDK را در یک برنامه تلفن همراه نصب کنید Install the SDK in a mobile app

• درک زبان: راه اندازی Language Understanding: Setup

• چالش: یک مدل درک زبان سفارشی ایجاد کنید Challenge: Create a custom Language Understanding model

• استودیوی یادگیری ماشین لاجورد: یک مدل بسازید Azure Machine Learning Studio: Create a model

• Azure Machine Learning Studio: Setup Azure Machine Learning Studio: Setup

• با مدل Azure Machine Learning Studio گره بزنید Tie to the Azure Machine Learning Studio model

4. مدل های مشتری: Core ML 4. Client Models: Core ML

• مشتری به یک مدل زبان طبیعی گره خورده است Client tied to a natural language model

• مشتری به یک مدل رگرسیون گره خورده است Client tied to a regression model

• Core ML: یک مدل زبان طبیعی ایجاد کنید Core ML: Create a natural language model

• Core ML: یک مدل رگرسیون ایجاد کنید Core ML: Create a regression model

• چالش: یک مدل سفارشی ایجاد کنید Challenge: Create a custom model

• مشتری به یک مدل تشخیص بصری گره خورده است Client tied to a visual recognition model

• Core ML: یک مدل تشخیص بصری ایجاد کنید Core ML: Create a visual recognition model

• راه حل: یک مدل سفارشی ایجاد کنید Solution: Create a custom model

• اجرای برنامه Running the app

• نمای کلی هسته ML Core ML overview

5. مدل های مشتری: کیت ML 5. Client Models: ML Kit

• چالش: مدل برچسب گذاری تصویر را پیاده سازی کنید Challenge: Implement the image labeling model

• فراخوانی مدل Calling the model

• اجرای برنامه Running the app

• افزودن SDK به یک برنامه تلفن همراه Adding the SDK to a mobile app

• راه حل: مدل برچسب گذاری تصویر را پیاده سازی کنید Solution: Implement the image labeling model

• انتخاب یک مدل Selecting a model

• معرفی کیت ML Introduction to ML Kit

6. درک پیشنهادات 6. Understanding the Offerings

• فلسفه های مختلف فروشندگان Different philosophies of the vendors

• چه زمانی باید از یکی از این راه حل ها استفاده کرد When to use one or another of these solutions

• چرا از مدل های سمت سرویس گیرنده در مقابل مدل های سمت سرور استفاده کنیم؟ Why use client-side vs. server-side models?

نتیجه Conclusion

• از اینجا به کجا برویم Where to go from here