Інструменти Apple для машинного навчання

Machine Learning, Deep Learning, Core ML, Create ML, use cases.

Transcript

1. Інструменти Apple для машинного навчання Олег Коваль iOS Developer, Onix-Systems
2. План • Що таке Machine/Deep Learning • Фреймворк Apple Core ML • Приклад використання Core ML + Vision • Core ML use cases !2
3. Machine Learning Комп’ютер “навчається”, не будучи явно запрограмованим Пошук паттернів у величезних кількостях даних !3
4. Deep Learning Це сукупність методів машинного навчання, які використовують багатошарові штучні нейронні мережі які перетворюють необроблені дані у представлення, що може бути оброблене системою !4
5. Нейронна Мережа • Намагається моделювати людські мозкові процеси • Складається з декількох шарів вузлів • Кожен додатковий шар вимагає значного збільшення обчислювальної потужності • Розрахунки полягають в основному в множині матриць, з якими графічні процесори справляються надзвичайно ефективно !5
6. Deep Learning !6
7. Причини популярності ML • Падаюча вартість графічних процесорів • «Вибух» даних, які генеруються користувачами !7
8. Що нам пропонує Apple? !8
9. Можливості Core ML • Розпізнавання зображень в реальному часі • Предиктивне введення тексту • Розпізнавання образів • Аналіз тональності • Розпізнавання рукописного тексту • Ранжування пошуку • Стилізація зображень • Розпізнавання осіб • Ідентифікація голосу • Визначення музики • і не тільки !9
10. Архітектура Domain Specific Frameworks ML Framework ML Performance Primitives !10
11. Vision Face Detection and Landmarks !11
12. Vision Object Tracking !12
13. Vision Barcode Detection !13
14. Vision Text Detection !14
15. Vision Rectangle Detection !15
16. Natural Language Language Identification !16
17. GameplayKit Об'єктно-орієнтований фреймворк, який надає основні засоби та технології для побудови ігор !17
18. CoreML • Основа для доменних фреймворків і функціональних можливостей • Будується на примітивах низького рівня, таких як Accelerate та BNNS, а також шейдери Metal • Оптимізований для роботи на пристрої, що зводить до мінімуму кількість пам'яті та енергоспоживання !18
19. Запускається На Пристрої Приватність Ціна даних Ціна сервера Завжди доступний !19
20. Модель Core ML !20
21. Де взяти модель? !21
22. Open source моделі на сайті Apple https://developer.apple.com/machine-learning/build-run-models/ !22
23. Конвертувати навчену модель !23
24. Створити власну модель Create ML (WWDC’18) Turi Create IBM Watson Services for Core ML !24
25. Create ML !25
26. Create ML !26
27. Create ML !27
28. Імпорт моделі в XCode !28
29. Імпорт моделі в XCode !29
30. Модель з інтернету !30 Заміна скомпільованої моделі шляхом завантаження оновленої моделі та її компіляції + Завжди актуальна модель - Спочатку модель все одно повинна бути зібрана разом з програмою, щоб з’явився потрібний клас з інформацією про вхідні та вихідні дані - Не можливо додавати нові моделі динамічно, через обмеження з класом * Додавати попередньо згенеровані класи в проект, не додаючи при цьому модель
31. Vision Framework Що? Як? Результати Request Request Handler Observation VNRequest family VNImageRequestHandler, VNSequenceRequestHandler VNObservation family !31
32. Vision Framework Що? !32
33. Vision Framework Як? !33
34. Vision Framework Результати !34 Група класів похідних від VNObservation • Повертається в параметрі VNRequest results • Може бути створений вручну Як отримати VNObservation?
35. Приклад використання Core ML + Vision !35
36. Модель Core ML !36
37. Request (Що?) !37
38. VNImageRequestHandler (Як?) !38
39. Observation (Результати) !39
40. Табличні дані та модель MLRegressor !40 Регресор відрізняється від класифікатора, оскільки він може передбачати вихідні значення, які не спостерігаються під час тренувального процесу
41. Use Cases !41
42. Хот дог/не хот дог, тобто класифікація зображень !42
43. Розпізнавання жестів !43
44. Сканування тексту !44
45. Перенесення стилів !45
46. Аналіз настрою !46
47. CoreML + ARKit !47
48. Прогнозування на основі табличних даних !48
49. Аналіз звуків !49
50. Висновки !50 Фокус на коді, а не на моделях ! Вам не потрібно бути експертом у сфері Машинного Навчання, щоб користуватися тими можливостями які воно дає
51. Дякую за увагу https://www.facebook.com/oleh.koval