추가 적립 안내

애플 Core ML을 활용한 스마트한 iOS 앱 만들기!

Core ML은 다양한 머신러닝 작업을 지원하기 위해 설계된 API를 제공하는 애플의 유명한 프레임워크다. 이 프레임워크를 활용하면 머신러닝 모델을 훈련시킨 다음 그 모델을 iOS 앱에 통합시킬 수 있다.

이 책은 Core ML을 이해하기 쉽게 설명할 뿐 아니라 머신러닝을 명확하게 설명해 준다. 모바일 플랫폼(특히 iOS)에서 현실적이면서 흥미로운 머신러닝 예제를 통해 배우며, 시각 기반의 애플리케이션을 위해 전이 학습과 신경망 이론을 사용하여 Core ML을 구현하는 법도 배울 것이다. 기본 사항을 파악하고 나서는 유용한 7가지 예제를 만들어 본다. 예제를 만들어 보면서 머신러닝 관련 개념과 기법이 어떻게 예제에 적용되는지 살펴본다.

이 책을 마칠 때면 Core ML API를 사용해 머신러닝을 장착한 자신만의 애플리케이션을 만드는 데 필요한 기술을 갖게 될 것이다.

★ 이 책에서 다루는 내용 ★

◎ 알고리즘과 데이터를 사용해 ML 프로젝트의 구성요소 이해하기
◎ 머신러닝 모델을 얻고 임포트함으로써 Core ML을 마스터하고 클래스 생성하기
◎ 머신러닝에 사용할 데이터를 준비하고 최적화된 솔루션을 얻기 위해 결과 해석하기
◎ 지원되지 않는 계층을 위한 맞춤 계층을 생성하고 최적화하기
◎ CNN을 사용해 이미지와 동영상 데이터에 CoreML 적용하기
◎ 스케치를 인식하기 위해 RNN 품질을 배우고 드로잉 강화하기
◎ Core ML 전이 학습을 사용해 이미지에 스타일 전이 실행하기

▣ 01장: 머신러닝 소개
머신 러닝이란 무엇인가?
ML 알고리즘 소개
__넷플릭스 - 추천 생성하기
__Shadow draw - 프리핸드 드로잉을 위한 실시간 사용자 가이드
__셔터스톡(Shutterstock) - 구도 기반의 이미지 검색
__iOS 키보드 예측 - 다음 글자 예측
일반적인 ML 작업 흐름
요약

▣ 02장: 애플 Core ML 소개
훈련과 추론의 차이
에지에서의 추론
Core ML
__작업 흐름
학습 알고리즘
__스웨덴 자동차 보험
__지원 학습 알고리즘
고려사항
요약

▣ 03장: 실세계에서 객체 인식하기
이미지 이해하기
객체 인식
__데이터 캡처
__데이터 전처리
추론하기
요약

▣ 04장: CNN을 활용한 감정 탐지
얼굴 표정
입력 데이터와 선처리
종합
요약

▣ 05장: 실세계에서 객체 위치 측정
객체 위치 측정과 객체 탐지
케라스 Tiny YOLO를 Core ML로 변환하기
사진을 쉽게 찾는 방법
배치로 최적화
요약

▣ 06장: 스타일 전이로 예술 창작하기
한 이미지에서 다른 이미지로 스타일 옮기기
스타일 전이를 더 빠르게 하는 방법
케라스 모델을 Core ML로 변환하기
스위프트에서 맞춤 계층 구축하기
__계층 속도 높이기
__GPU 활용하기
모델 가중치 줄이기
요약

▣ 07장: CNN으로 드로잉 보조하기
지능형 인터페이스를 구현해야 하는 이유
드로잉
사용자 스케치 인식하기
__훈련 데이터와 모델 검토
__스케치 분류하기
__시각적 유사성을 기준으로 정렬하기
요약

▣ 08장: RNN으로 드로잉 보조하기
드로잉 보조하기
드로잉 분류에 사용할 순환 신경망
입력 데이터와 전처리
종합
요약

▣ 09장: CNN을 활용한 객체 분할
픽셀 분류하기
원하는 효과를 내기 위한 데이터 - 액션 샷
사진 효과 애플리케이션 구축하기
확률적 결과 활용하기
__모델 개선하기
__제약 조건을 두어 설계하기
__휴리스틱 포함
__사후 처리 및 앙상블 기법
__인적 보조
요약

▣ 10장: Create ML 소개
전형적인 작업 흐름
데이터 준비하기
모델 생성 및 훈련
__모델 매개변수
__모델 메타데이터
__다른 작업 흐름(그래픽 버전)
마무리
요약