面向移动设备的机器学习 pdf 免费 地址 txt lrf 下载 kindle umd

本书详细阐述了与移动设备机器学习相关的基本解决方案，主要包括面向移动设备的机器学习应用程序、监督学习和无监督学习算法、iOS上的随机森林、在Android中使用TensorFlow、在iOS中使用Core ML进行回归、ML Kit SDK、垃圾邮件检测、Fritz、移动设备上的神经网络、使用Google Cloud Vision的移动应用程序、移动应用程序上机器学习的未来等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。

本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学教材和参考手册。

第1章 面向移动设备的机器学习应用程序

1.1 机器学习的定义

1.2 机器学习过程

1.2.1 定义机器学习问题

1.2.2 准备数据

1.2.3 建立模型

1.2.4 进行预测现场部署

1.3 学习类型

1.3.1 监督学习

1.3.2 无监督学习

1.3.3 半监督学习

1.3.4 强化学习

1.3.5 机器学习的挑战

1.4 在移动设备上进行机器学习

1.4.1 在移动应用程序中实现机器学习的方法

1.4.2 流行的移动机器学习工具和SDK

1.4.3 实现移动设备上机器学习应用程序所需的技能

1.5 小结

第2章 监督学习和无监督学习算法

2.1 监督学习算法简介

2.2 深入研究监督学习算法

2.2.1 朴素贝叶斯

2.2.2 决策树

2.2.3 线性回归

2.2.4 逻辑回归

2.2.5 支持向量机

2.2.6 随机森林

2.3 无监督学习算法简介

2.4 深入研究无监督学习算法

2.4.1 聚类算法

2.4.2 关联规则学习算法

2.5 小结

2.6 参考文献

第3章 iOS上的随机森林

3.1 算法简介

3.1.1 决策树

3.1.2 随机森林

3.2 在Core ML中使用随机森林解决问题

3.2.1 数据集

3.2.2 技术要求

3.2.3 使用scikit-learn创建模型文件

3.2.4 将scikit模型转换为Core ML模型

3.2.5 使用Core ML模型创建iOS移动应用程序

3.3 小结

3.4 深入阅读

第4章 在Android中使用TensorFlow

4.1 关于TensorFlow

4.2 移动机器学习应用程序的体系结构

4.3 使用TensorFlow模型编写移动应用程序

4.3.1 编写 个程序

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：面向移动设备的机器学习在线阅读

在线听书地址：面向移动设备的机器学习在线收听

在线购买地址：面向移动设备的机器学习在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

本书详细阐述了与移动设备机器学习相关的基本解决方案，主要包括面向移动设备的机器学习应用程序、监督学习和无监督学习算法、iOS 上的随机森林、在 Android 中使用 TensorFlow、在ioS 中使用 Core MI进行回归、ML Kit SDK、垃圾邮件检测、Fritz、移动设备上的神经网络、使用Google Cloud Vision 的移动应用程序、移动应用程序上机器学习的未来等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。

本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学教材和参考手册。