Course Outline

Invoering

  • Tensorflow versus Tensorflow Lite

Overzicht van TensorFlow Lite-functies en workflow

  • Samenvatting van machine learning en deep learning-concepten
  • Hoe inferentie met lage latentie op het apparaat wordt bereikt
  • End-to-end modelbouw en -implementatie

Het voorbereiden van de ontwikkelomgeving

  • Een Swift-project starten
  • TensorFlow toevoegen aan het project

Een afbeelding vastleggen met een apparaatcamera

  • Hoe camera-invoer wordt vastgelegd
  • Overzicht van klassen en methoden
  • Inferentie uitvoeren op een frame (beeldclassificatie uitvoeren)

Een app maken voor objectdetectie

  • Een TensorFlow-model selecteren
  • Het TensorFlow-model converteren
  • Het TensorFlow-model op een mobiel apparaat laden
  • Een vooraf getraind TensorFlow model laden

Een app maken voor beeldclassificatie

  • Een TensorFlow-model selecteren
  • Het TensorFlow-model converteren
  • Het TensorFlow-model op een mobiel apparaat laden
  • Een vooraf getraind TensorFlow model laden

Het model en de gegevens aanpassen

  • Een dataset voorbewerken
  • De hyperparameters instellen

Het TensorFlow-model optimaliseren

  • Prestaties meten ten opzichte van een benchmark
  • Meetnauwkeurigheid
  • Een TensorFlow model opnieuw trainen

Alternatieve modellen verkennen

  • Een ander model kiezen
  • Een model trainen om nieuwe klassen te herkennen (transferleren)
  • Trainingsafbeeldingen verkrijgen voor nieuwe labels

Implementatie van de AI Enabled iOS-app

  • Uitvoeren van beeldclassificatie in het veld

Probleemoplossen

Samenvatting en conclusie

Requirements

  • Ervaring met Swift programmeren
  • Ervaring met het ontwikkelen van mobiele applicaties
  • Een iOS-apparaat met versie 12 of hoger

Publiek

  • Ontwikkelaars
  • Datawetenschappers die op AI gebaseerde mobiele applicaties willen ontwikkelen op iOS
  21 Hours
 

Getuigenissen (5)

Related Courses

Related Categories