Maschinelles Lernen (ML) für Apps - Praxis
Institut: HECKER CONSULTINGBereich: Technik, EDV, Telekommunikation
Kursbeschreibung
Sprach-, Gesichts- und Bilderkennung in mobilen Anwendungen einsetzen und nutzen
Maschinelles Lernen wird heute überall eingesetzt
Das maschinelle Lernen erreicht den Mainstream. Mit den neuen Werkzeugen, die den Entwicklern zur Verfügung stehen, ist es jetzt möglich, Funktionen des maschinellen Lernens - Sprach-, Gesichts- und Bilderkennung, personalisierte Empfehlungen und mehr - in einem mobilen Kontext zu implementieren.
Sie werden untersuchen, wie die Leistungsfähigkeit des maschinellen Lernens auf die Entwicklung mobiler Anwendungen angewendet werden kann, wobei Plattformen wie IBM Watson, Microsoft Azure Cognitive Services und Apple Core ML vorgestellt werden und die verschiedenen Funktionen und Ansätze des maschinellen Lernens sehen werden.
Lernen Sie, wie man Modelle für natürliche Sprache und visuelle Erkennung trainiert und einsetzt und wie man statistische Modelle für die Verwendung in einer mobilen Anwendung generiert.
Einführung- Maschinelles Lernen in mobilen Anwendungen
- Was Sie über Mobiles ML wissen sollten
- Was ist maschinelles Lernen?
- Erforderliche Konzepte
- Ein Modell trainieren
- Maschinelles Lernen (ML) versus tiefes Lernen (DL)
- Was kann ich mit maschinellem Lernen tun?
- Serverseitige versus clientseitige ML
- ML-Frameworks
- Überblick über Watson
- Verstehen der natürlichen Sprache
- Verstehen der visuellen Erkennung
- Erstellen eines benutzerdefinierten Modells
- Trainieren und Bereitstellen eines benutzerdefinierten Modells
- Ausführen der Client-Anwendung
- Azure Machine Learning Überblick
- Verstehen der natürlichen Sprache
- Verstehen der visuellen Erkennung
- Erstellen eines benutzerdefinierten Modells
- Trainieren und Bereitstellen eines benutzerdefinierten Modells
- Ausführen der Client-Anwendung
- Core ML Überblick
- Verstehen der natürlichen Sprache
- Verstehen der visuellen Erkennung
- Erstellen eines benutzerdefinierten Modells
- Trainieren und Bereitstellen eines benutzerdefinierten Modells
- Ausführen der Client-Anwendung
- Unterschiedliche Philosophien der Anbieter
- Warum Client-seitiges Modell versus Server-seitig
- Wann die eine oder die andere dieser Lösungen anzuwenden ist
Sprach-, Gesichts- und Bilderkennung in mobilen Anwendungen einsetzen und nutzen
Maschinelles Lernen wird heute überall eingesetzt
Das maschinelle Lernen erreicht den Mainstream. Mit den neuen Werkzeugen, die den Entwicklern zur Verfügung stehen, ist es jetzt möglich, Funktionen des maschinellen Lernens - Sprach-, Gesichts- und Bilderkennung, personalisierte Empfehlungen und mehr - in einem mobilen Kontext zu implementieren.
Sie werden untersuchen, wie die Leistungsfähigkeit des maschinellen Lernens auf die Entwicklung mobiler Anwendungen angewendet werden kann, wobei Plattformen wie IBM Watson, Microsoft Azure Cognitive Services und Apple Core ML vorgestellt werden und die verschiedenen Funktionen und Ansätze des maschinellen Lernens sehen werden.
Lernen Sie, wie man Modelle für natürliche Sprache und visuelle Erkennung trainiert und einsetzt und wie man statistische Modelle für die Verwendung in einer mobilen Anwendung generiert.
Einführung- Maschinelles Lernen in mobilen Anwendungen
- Was Sie über Mobiles ML wissen sollten
- Was ist maschinelles Lernen?
- Erforderliche Konzepte
- Ein Modell trainieren
- Maschinelles Lernen (ML) versus tiefes Lernen (DL)
- Was kann ich mit maschinellem Lernen tun?
- Serverseitige versus clientseitige ML
- ML-Frameworks
- Überblick über Watson
- Verstehen der natürlichen Sprache
- Verstehen der visuellen Erkennung
- Erstellen eines benutzerdefinierten Modells
- Trainieren und Bereitstellen eines benutzerdefinierten Modells
- Ausführen der Client-Anwendung
- Azure Machine Learning Überblick
- Verstehen der natürlichen Sprache
- Verstehen der visuellen Erkennung
- Erstellen eines benutzerdefinierten Modells
- Trainieren und Bereitstellen eines benutzerdefinierten Modells
- Ausführen der Client-Anwendung