실전! Core ML을 활용한 머신러닝 iOS 앱 개발

▣ 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