机器学习。逐步指南

引言

由 Raywenderlich 教程团队于 2021 年出版的《Machine Learning by Tutorials》（中文译名《机器学习。逐步指南》）是一本关于在 Apple 生态系统应用中实现机器学习技术的实用指南。与大多数以 Python 为中心的机器学习书籍不同，本教程完全基于 Swift 语言以及 Apple 的框架——Core ML、Create ML、Vision 和 Natural Language。全书共 372 页，涵盖了基础知识和高级技术，且没有过多的理论内容。

本书内容

本书分为 4 个部分，每个部分专注于 Apple 平台上机器学习的特定方面：

• 第一部分：机器学习入门 — 基本概念：什么是监督学习和无监督学习、过拟合、质量指标。读者还将在此使用 Create ML 创建第一个模型。
• 第二部分：集成预训练模型 — 使用 Core ML：加载预训练模型（例如 MobileNet、YOLO）、图像处理、文本分类、目标检测。
• 第三部分：创建自定义模型 — 使用 Create ML 和 Turi Create 在自定义数据上训练模型。涵盖图像分类、回归、推荐系统等任务。
• 第四部分：高级主题 — 神经网络、迁移学习、使用 Natural Language 框架、与 Vision 集成，以及在设备上部署模型。

适合人群

本书面向已掌握 Swift 和 Xcode 基础知识但缺乏机器学习经验的 iOS/macOS 开发者。它不需要 Python、线性代数或统计学知识——所有解释都基于直觉，注重实践。对于希望在不深入数学的情况下快速为现有应用添加机器学习功能的开发者来说，本书也很有帮助。

读者将学到什么

• 如何在 Xcode 中安装和配置 Create ML 和 Core ML。
• 如何使用预训练模型对图像、文本和声音进行分类。
• 如何训练自定义模型以进行目标识别、情感分析或推荐。
• 如何使用迁移学习对神经网络进行微调以适应自己的数据。
• 如何使用 SwiftUI 和 UIKit 将模型集成到应用中。
• 如何使用 Vision 和 Core ML 处理实时视频。
• 如何使用 Natural Language 进行情感分析、实体提取和语言识别。
• 如何优化模型以在设备上运行（压缩、量化）。
• 如何在模拟器和真实设备上测试和调试机器学习功能。

优势

实践导向。每一章都包含一个完整的项目，可以下载并运行。代码采用 Raywenderlich 风格编写——带有详细注释和逐步说明。时效性。本书使用了截至 2021 年最新的框架版本（iOS 14、Xcode 12），使其适用于现代项目。易理解性。复杂的概念（神经网络、梯度下降）通过类比和可视化进行解释，无需公式。排版质量。彩色截图、图表、代码清单——所有这些都有助于快速理解材料。

推荐人群

本书适合以下人群：

• 希望为其应用添加“智能”功能（人脸识别、滤镜、推荐）的 iOS 开发者。
• 希望在不深入数学的情况下通过实践学习机器学习的学生和初学者。
• 希望了解设备端机器学习的可能性和局限性的产品经理和设计师。
• 所有