آموزش ایجاد ML برای توسعه دهندگان iOS - راهنمای مبتدیان

Create ML for iOS Developers - A Beginner's Guide

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: پوشش‌ها: طبقه‌بندی تصویر، تشخیص اشیا، تجزیه و تحلیل احساسات، داده‌های جدولی، آموزش Xcode Playgrounds اصول Create ML و نحوه راه‌اندازی محیط توسعه آن‌ها برای پروژه‌های یادگیری ماشینی iOS. تکنیک هایی برای تشخیص تصویر، از جمله مدل های آموزشی برای شناسایی اشیاء و طبقه بندی تصاویر. فرآیند تحلیل احساسات و نحوه ساخت مدل هایی که می توانند قطبیت احساسات را تعیین کنند و وظایف طبقه بندی متن را انجام دهند. اصول تشخیص اشیا و نحوه آموزش مدل ها برای شناسایی و مکان یابی چندین اشیاء درون تصاویر. نحوه کار با داده های جدولی و ساخت مدل های پیش بینی با استفاده از Create ML که امکان پیش بینی و طبقه بندی دقیق بر اساس داده های ساختار یافته را فراهم می کند. پیش نیازها: دانش اولیه توسعه اپلیکیشن iOS با استفاده از سوئیفت. آشنایی با Xcode، محیط توسعه یکپارچه اپل (IDE) برای توسعه اپلیکیشن iOS. دسترسی به آخرین نسخه Xcode و چارچوب Create ML. درک قوی از مفاهیم برنامه نویسی، از جمله متغیرها، توابع و جریان کنترل. تمایل به یادگیری و استفاده از تکنیک های یادگیری ماشینی در توسعه برنامه iOS.

آیا شما یک توسعه دهنده iOS هستید که به دنبال استفاده از قدرت یادگیری ماشینی در پروژه های توسعه برنامه خود هستید؟ جلوترش رو نگاه نکن! این دوره جامع، "ایجاد ML برای توسعه دهندگان iOS - راهنمای مبتدی" طراحی شده است تا شما را به دانش و مهارت های لازم برای ادغام مدل های پیشرفته یادگیری ماشین در برنامه های iOS خود با استفاده از Create ML مجهز کند.

در این دوره عملی، سفری از مبتدی تا توسعه‌دهنده یادگیری ماشین iOS را آغاز خواهید کرد. ابتدا شما را با اصول Create ML آشنا می‌کنیم، چارچوب اپل برای آموزش مدل‌های یادگیری ماشین روی دستگاه. شما یاد خواهید گرفت که چگونه محیط توسعه خود را راه اندازی کنید، مفاهیم کلیدی یادگیری ماشین را درک کنید و با گردش کار Create ML آشنا شوید.

همانطور که عمیق تر می شویم، دنیای هیجان انگیز تشخیص تصویر را کشف خواهید کرد. خواهید فهمید که چگونه مدل هایی را آموزش دهید که می توانند اشیاء را شناسایی کرده و حتی تصاویر را با دقت قابل توجهی طبقه بندی کنند. از طریق تمرین‌های عملی و مثال‌های واقعی، یاد می‌گیرید که چگونه تصاویر را از قبل پردازش کنید، مدل‌ها را با استفاده از رابط بصری Create ML آموزش دهید، و آنها را به طور یکپارچه در برنامه‌های iOS خود ادغام کنید.

در مرحله بعد، ما توجه خود را به تجزیه و تحلیل احساسات معطوف خواهیم کرد، تکنیکی قدرتمند برای درک و طبقه بندی داده های متنی. شما یاد خواهید گرفت که چگونه مدل هایی را آموزش دهید که می توانند قطبیت احساسات را تعیین کنند، نظرات مشتریان را تجزیه و تحلیل کنند، و وظایف طبقه بندی متن را انجام دهند. با داشتن این دانش، می‌توانید برنامه‌های جذاب و هوشمند iOS بسازید که می‌توانند داده‌های متنی را تفسیر کرده و به آنها پاسخ دهند.

اما این همه چیز نیست! ما همچنین در زمینه شگفت‌انگیز تشخیص اشیا کاوش خواهیم کرد، جایی که نحوه آموزش مدل‌هایی را خواهید دید که می‌توانند چندین شی را در تصاویر شناسایی و مکان‌یابی کنند. شما مفاهیم اساسی را درک خواهید کرد، معماری های مختلف را کاوش خواهید کرد و نحوه بهینه سازی مدل های خود را برای عملکرد بلادرنگ در دستگاه های iOS خواهید آموخت.

در آخر، دنیای داده‌های جدولی را بررسی می‌کنیم و یاد می‌گیریم که چگونه از Create ML برای ساخت مدل‌های پیش‌بینی‌کننده استفاده کنیم. می‌دانید که چگونه داده‌های جدولی را از قبل پردازش کنید، مقادیر از دست رفته را مدیریت کنید و مدل‌هایی را آموزش دهید که می‌توانند پیش‌بینی‌ها و طبقه‌بندی‌های دقیقی بر اساس داده‌های ساختاریافته انجام دهند.

در پایان این دوره، مهارت و اعتماد به نفس برای پیاده سازی تشخیص تصویر، تجزیه و تحلیل احساسات، تشخیص اشیا و تجزیه و تحلیل داده های جدولی با استفاده از Create ML در پروژه های iOS خود را به دست خواهید آورد. چه یک مبتدی یا یک توسعه‌دهنده با تجربه iOS باشید، این دوره به شما پایه‌ای محکم در یادگیری ماشینی می‌دهد و شما را قادر می‌سازد تا برنامه‌های قدرتمند و هوشمندی ایجاد کنید که کاربران شما را به وجد بیاورند.

اکنون ثبت نام کنید و پتانسیل Create ML را در سفر توسعه iOS خود باز کنید!


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • پیش نیازها Prerequisites

  • فایل های تمرین Exercise Files

  • یادگیری ماشینی چیست؟ What is Machine Learning?

  • Create ML چیست؟ What is Create ML?

تشخیص تصویر - یکپارچه سازی یک مدل موجود Image Detection - Integrating an Existing Model

  • دانلود مدل CoreML Downloading CoreML Model

  • تست مدل Testing the Model

  • پیاده سازی رابط کاربری Implementing the User Interface

  • پیش بینی تصویر Predicting the Image

  • نمایش احتمالات Displaying Probabilities

  • منابع Resources

پروژه تشخیص تصویر - گربه ها در مقابل سگ ها Image Recognition Project - Cats vs Dogs

  • چی میسازی؟ What are you building?

  • دانلود مجموعه داده تصویر از Kaggle Downloading Image Dataset from Kaggle

  • مدل آموزش و ارزشیابی Training and Evaluating Model

  • یکپارچه سازی مدل در یک برنامه iOS Integrating Model in an iOS Application

  • انتخاب عکس از کتابخانه عکس Selecting Photo from Photo Library

  • عکس گرفتن از دوربین Taking Photo from the Camera

  • منابع Resources

پروژه تحلیل احساسات - اخبار Sentiment Analysis Project - News

  • تحلیل احساسات چیست؟ What is Sentiment Analysis?

  • دانلود مجموعه داده از Kaggle Downloading the Dataset from Kaggle

  • آموزش و ایجاد مدل با استفاده از Xcode Playgrounds Training and Creating Model Using Xcode Playgrounds

  • [اختیاری] - استخراج داده ها در پوشه ها با استفاده از پایتون [Optional] - Extracting Data into Folders Using Python

  • [اختیاری] - آموزش با استفاده از Create ML [Optional] - Training Using Create ML

  • ادغام مدل در یک برنامه SwiftUI Integrating Model into a SwiftUI Application

  • منابع Resources

تشخیص شی - ادغام یک مدل موجود Object Detection - Integrating an Existing Model

  • تشخیص شی چیست؟ What is Object Detection?

  • دانلود مدل تشخیص اشیا از وب سایت اپل Downloading Object Detection Model from Apple Website

  • تور پروژه شروع کننده Tour of the Starter Project

  • درک چارچوب چشم انداز Understanding Vision Framework

  • انجام تشخیص اشیا با استفاده از مدل YOLOv3Tiny از طریق Vision Framework Performing Object Detection Using YOLOv3Tiny Model Through Vision Framework

  • نمایش مشاهدات بر روی صفحه نمایش Displaying Observations on the Screen

  • نمایش جعبه های محدود کننده Displaying the Bounding Boxes

تشخیص شی - مدل های سفارشی Object Detection - Custom Models

  • چه چیزی خواهیم ساخت؟ What we will be building?

  • استفاده از Visio ML برای حاشیه نویسی تصاویر Using Visio ML to Annotate Images

  • آموزش مدل تشخیص شی Training the Object Detection Model

  • یکپارچه سازی TrafficLightObjectDetector Integrating TrafficLightObjectDetector

  • منابع Resources

پروژه داده های جدولی: پیش بینی قیمت خودرو با استفاده از داده های کاروانا Tabular Data Project: Predicting Car Prices Using Carvana Data

  • چه چیزی خواهیم ساخت؟ What we will be building?

  • دانلود مجموعه داده کاروانا از Kaggle Downloading Carvana Dataset from Kaggle

  • APIهایی برای مدیریت داده های جدولی APIs to Handle Tabular Data

  • ایجاد مدل ML با استفاده از DataFrame Creating ML Model Using DataFrame

  • ایجاد مدل ML با معیارهای خاص Creating ML Model with Specific Criteria

  • در حال صادر کردن لیست خودروها به صورت JSON Exporting List of Cars as JSON

  • نمایش قیمت های پیش بینی شده خودرو Displaying Predicted Car Prices

  • منابع Resources

نتیجه Conclusion

  • مراحل بعدی Next Steps

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

آموزش ایجاد ML برای توسعه دهندگان iOS - راهنمای مبتدیان
جزییات دوره
4 hours
47
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
112
4.2 از 5
دارد
دارد
دارد
Mohammad Azam
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Mohammad Azam Mohammad Azam

برنامه نویس ویژه اپل iOS و مربی iOS