Swift人工智能实战：从基础理论到AI驱动的应用程序开发

本书从实战角度出发，为所有程序员和开发人员提供了使用Swift进行AI和机器学习开发的一站式服务。全书分为三部分：di一部分介绍机器学习和人工智能背后的基础知识；第2部分讨论许多有趣的主题，包括计算机视觉、音频、运动和语言；第三部分详细研究为第2部分的应用程序提供支持的技术。

前言1
第壹部分 基础知识和工具7
第壹章 人工智能！? 9
1.1 Swift人工智能实战以及Python9
1.2 为何选择Swift12
1.3 什么是AI，它能做什么15
1.4 实用AI任务21
1.5 典型的基于任务的方法22
第2章 AI工具24
2.1 为什么采用自顶向下的方法24
2.2 优秀AI的优秀工具25
2.3 来自苹果的工具26
2.4 其他工具44
2.5 AI相邻工具45
2.6 下一步53
第3章 寻找或构建数据集54
3.1 规划和识别目标数据54
3.2 寻找数据集57
3.3 构建数据集59
3.4 准备数据集60
3.5 苹果的模型65
第2部分 任务67
第4章 视觉69
4.1 实用AI与视觉69
4.2 任务：人脸检测70
4.3 任务：条形码检测89
4.4 任务：显著性检测95
4.5 任务：图像相似度99
4.6 任务：图像分类107
4.7 任务：绘图识别124
4.8 任务：风格分类142
4.9 下一步146
第5章 音频148
5.1 实用AI与音频148
5.2 任务：语音识别148
5.3 任务：声音分类157
5.4 下一步180
第6章 文本和语言181
6.1 实用AI与文本和语言181
6.2 任务：语言识别182
6.3 任务：命名实体识别184
6.4 任务：词形还原、标注、分词185
6.5 任务：情感分析190
6.6 任务：自定义文本分类器203
6.7 下一步209
第7章 运动和手势213
7.1 实用AI与运动和手势213
7.2 任务：行为识别213
7.3 任务：绘图手势分类219
7.4 任务：行为分类231
7.5 任务：通过AI使用增强现实239
7.6 下一步240
第8章 增强241
8.1 实用AI与增强241
8.2 任务：图像风格转换242
8.3 任务：文本生成261
8.4 任务：用GAN生成图像269
8.5 任务：电影推荐285
8.6 任务：回归预测295
8.7 下一步301
第9章 功能之外302
9.1 任务：安装Swift for TensorFlow302
9.2 任务：在Swift中使用Python310
9.3 任务：使用Swift for TensorFlow训练分类器313
9.4 任务：使用CoreML社区工具314
9.5 任务：在设备上更新模型319
9.6 任务：在设备上下载模型321
9.7 下一步321
第三部分 展望323
第壹0章 AI和ML方法325
10.1 术语325
10.2 分类328
10.3 聚类352
10.4 下一步359
第壹1章 探索底层360
11.1 深入了解CoreML360
11.2 视觉366
11.3 音频372
11.4 文本和语言376
11.5 推荐382
11.6 预测382
11.7 文本生成383
11.8 生成385
11.9 CoreML的未来386
11.10 下一步388
第壹2章 绝知此事要躬行389
12.1 在CoreML的魔法背后389
12.2 任务：构建XOR391
12.3 代码393
12.4 训练401
12.5 下一步403