Machine Learning on iOS 培训
在这个由讲师指导的现场培训中,参与者将学习如何使用 iOS Machine Learning (ML) 技术堆栈,逐步完成 iOS 移动应用程式的创建和部署。
在本次培训结束时,参与者将能够:
- 创建能够进行图像处理、文本分析和语音辨识的行动应用程式
- Access 用于整合到 iOS 应用程式的预训练 ML 模型
- 创建自定义 ML 模型
- 为 iOS 应用程式添加 Siri 语音支援
- 了解并使用 coreML、Vision、CoreGraphics 和 GamePlayKit 等框架
- 使用 Python、Keras、Caffee、Tensorflow、sci-kit learn、libsvm、Anaconda 和 Spyder 等语言和工具
观众
- 开发人员
课程形式
- 部分讲座、部分讨论、练习和大量动手实践
课程大纲
如需为本次培训索取定制课程大纲,请联系我们。
要求
- 编程经验 Swift
需要帮助选择合适的课程吗?
Machine Learning on iOS 培训 - Enquiry
客户评论 (1)
The way of transferring knowledge and the knowledge of the trainer.
Jakub Rekas - Bitcomp Sp. z o.o.
课程 - Machine Learning on iOS
即将举行的公开课程
相关课程
AdaBoost Python for Machine Learning
14 小时这种由 讲师指导的 中国 现场培训(在线或现场)面向希望使用 AdaBoost 构建机器学习提升演算法的数据科学家和软体工程师 Python。
在本次培训结束时,参与者将能够:
- 设置必要的开发环境,开始使用 AdaBoost 构建机器学习模型。
- 了解集成学习方法以及如何实现自适应提升。
- 在 Python 中了解如何构建 AdaBoost 模型来提升机器学习演算法。
- 使用超参数优化来提高 AdaBoost 模型的准确性和性能。
AutoML with Auto-Keras
14 小时这种由 中国 的讲师指导式现场培训(在线或现场)面向数据科学家以及希望使用 Auto-Keras 来自动化选择和优化机器学习模型过程的技术人员。
在本次培训结束时,参与者将能够:
- 自动执行高效机器学习模型的训练过程。
- 自动搜索深度学习模型的最佳参数。
- 构建高度准确的机器学习模型。
- 利用机器学习的强大功能解决实际业务问题。
AutoML
14 小时这种由讲师指导的 中国 现场培训(在线或现场)面向具有机器学习背景的技术人员,他们希望优化用于检测大数据中复杂模式的机器学习模型。
在本次培训结束时,参与者将能够:
- 安装和评估各种开源 AutoML 工具(H2O AutoML、auto-sklearn、TPOT、TensorFlow、PyTorch、Auto-Keras、TPOT、Auto-WEKA 等)
- 训练高品质的机器学习模型。
- 高效解决不同类型的监督式机器学习问题。
- 只需编写必要的代码即可启动自动化机器学习过程。
Creating Custom Chatbots with Google AutoML
14 小时这种以讲师为主导的中国(在线或现场)现场培训面向具有不同专业水平的参与者,他们希望利用 Google 的 AutoML 平台为各种应用程序构建定制的聊天机器人。
在培训结束时,参与者将能够:
- 了解聊天机器人开发的基础知识。
- 浏览 Google 云平台并访问 AutoML。
- 为训练聊天机器人模型准备数据。
- 使用 AutoML 训练和评估自定义聊天机器人模型。
- 将聊天机器人部署并集成到各种平台和渠道中。
- 随时间推移监控和优化聊天机器人性能。
Pattern Recognition
21 小时这门由讲师指导的中国(线上或线下)培训课程,介绍了模式识别和机器学习的领域,并涵盖了统计学、计算机科学、信号处理、计算机视觉、数据挖掘和生物信息学中的实际应用。
通过本培训,参与者将能够:
- 应用核心统计方法于模式识别。
- 使用神经网络和核方法等关键模型进行数据分析。
- 实施高级技术以解决复杂问题。
- 通过结合不同模型来提高预测准确性。
DataRobot
7 小时这种由 讲师指导的 中国 现场培训(在线或现场)面向希望使用 DataRobot 的机器学习功能自动化、评估和管理预测模型的数据科学家和数据分析师。
在本次培训结束时,参与者将能够:
- 在 DataRobot 中载入数据集以分析、评估和品质检查数据。
- 构建和训练模型以识别重要变数并满足预测目标。
- 解释模型以创建有助于做出业务决策的宝贵见解。
- 监控和管理模型以保持优化的预测性能。
Data Mining with Weka
14 小时此讲师指导的 中国 现场培训(在线或现场)面向希望使用 Weka 执行数据挖掘任务的初级到 中级数据分析师和数据科学家。
在本次培训结束时,参与者将能够:
- 安装并配置 Weka。
- 了解 Weka 环境和工作台。
- 使用 Weka 执行数据挖掘任务。
Google Cloud AutoML
7 小时这种讲师指导的 中国 现场培训(在线或现场)面向数据科学家、数据分析师和开发人员,他们希望探索 AutoML 产品和功能,以最少的工作量创建和部署自定义 ML 训练模型。
在本次培训结束时,参与者将能够:
- 探索 AutoML 产品线,为各种数据类型实施不同的服务。
- 准备和标记数据集以创建自定义 ML 模型。
- 训练和管理模型以生成准确、公平的机器学习模型。
- 使用经过训练的模型进行预测,以满足业务目标和需求。
Kubeflow
35 小时这种以讲师为主导的中国现场培训(现场或远程)面向希望在Kubernetes上构建,部署和管理机器学习工作流的开发人员和数据科学家。
在培训结束时,参与者将能够:
- 使用 AWS EKS(弹性 Kubernetes 服务)在本地和云端安装和配置 Kubeflow。
- 基于 Docker 个容器和 Kubernetes 构建、部署和管理 ML 工作流。
- 在不同的架构和云环境中运行整个机器学习管道。
- 使用 Kubeflow 生成和管理 Jupyter 笔记本。
- 跨多个平台构建 ML 训练、超参数调优并为工作负载提供服务。
MLflow
21 小时这种以讲师为主导的现场培训(现场或远程)针对的是希望超越构建ML模型并优化ML模型创建,跟踪和部署过程的数据科学家。
在培训结束时,参与者将能够:
- 安装和配置 MLflow 以及相关的 ML 库和框架。
- 了解 ML 模型的可跟踪性、可再现性和可部署性的重要性
- 将 ML 模型部署到不同的公有云、平台或本地服务器。
- 扩展 ML 部署过程,以适应在项目上进行协作的多个用户。
- 设置中央注册表以试验、复制和部署 ML 模型。
Machine Learning for Mobile Apps using Google’s ML Kit
14 小时这种由讲师指导的现场培训(在线或现场)面向希望使用 Google ML Kit 构建针对行动装置上的处理进行了优化的机器学习模型的开发人员。
在本次培训结束时,参与者将能够:
- 设置必要的开发环境以开始为行动应用程式开发机器学习功能。
- 使用 ML Kit API 将新的机器学习技术集成到 Android 和 iOS 应用程式中。
- 使用 ML Kit SDK 增强和优化现有应用程式,以进行设备上的处理和部署。
Pattern Matching
14 小时Pattern Matching 是一种用于在图像中定位指定模式的技术。它可用于确定捕获的图像中是否存在指定特征,例如工厂生产线中缺陷产品上的预期标签或元件的指定尺寸。它与 “Pattern Recognition” 的不同之处在于 “Pattern Recognition” (它根据更大的相关样本集合识别一般模式),因为它具体指示我们正在寻找什么,然后告诉我们预期的模式是否存在。
课程形式
- 本课程介绍了模式匹配领域中使用的方法、技术和演算法,因为它适用于 Machine Vision。
Machine Learning with Random Forest
14 小时这种由 中国 的讲师指导式实时培训(在线或现场)面向希望使用 Random Forest 为大型数据集构建机器学习演算法的数据科学家和软体工程师。
在本次培训结束时,参与者将能够:
- 设置必要的开发环境,开始使用 Random forest 构建机器学习模型。
- 了解 Random Forest 的优点以及如何实施它来解决分类和回归问题。
- 在 Random Forest 中了解如何处理大型数据集和解释多个决策树。
- 通过优化超参数来评估和优化机器学习模型的性能。
Advanced Analytics with RapidMiner
14 小时此讲师指导的 中国 现场培训(在线或现场)面向 希望学习如何使用 RapidMiner 估计和预测值并利用分析工具进行时间序列预测的中级数据分析师。
在本次培训结束时,参与者将能够:
- 学习应用 CRISP-DM 方法,选择合适的机器学习演算法,并增强模型构建和性能。
- 使用 RapidMiner 估计和预测值,并利用分析工具进行时间序列预测。
RapidMiner for Machine Learning and Predictive Analytics
14 小时RapidMiner 是一个开源数据科学软体平台,用于快速应用程式原型设计和开发。它包括用于数据准备、机器学习、深度学习、文本挖掘和预测分析的集成环境。
在这个由讲师指导的实时培训中,参与者将学习如何使用 RapidMiner Studio 进行数据准备、机器学习和预测模型部署。
在本次培训结束时,参与者将能够:
- 安装与设定RapidMiner
- 使用 RapidMiner 准备和可视化数据
- 验证机器学习模型
- 混搭数据并创建预测模型
- 在业务流程中实施预测分析
- 故障排除和优化 RapidMiner
观众
- 数据科学家
- 工程师
- 开发人员
课程形式
- 部分讲座、部分讨论、练习和大量动手实践
注意
- 要申请本课程的定制培训,请联系我们进行安排。