Машинное обучение. Пошаговые руководства

Введение

Книга «Machine Learning by Tutorials» (рус. «Машинное обучение. Пошаговые руководства»), выпущенная в 2021 году командой Raywenderlich Tutorial Team, представляет собой практическое руководство по внедрению технологий машинного обучения в приложения для экосистемы Apple. В отличие от большинства книг по ML, ориентированных на Python, этот учебник полностью построен на языке Swift и фреймворках Apple — Core ML, Create ML, Vision и Natural Language. Объём — 372 страницы, что позволяет охватить как основы, так и продвинутые техники без излишней теории.

О чём книга

Книга разбита на 4 части, каждая из которых посвящена определённому аспекту машинного обучения на платформе Apple:

• Часть I: Введение в машинное обучение — базовые концепции: что такое обучение с учителем и без, переобучение, метрики качества. Здесь же читатель создаёт первую модель с помощью Create ML.
• Часть II: Интеграция готовых моделей — работа с Core ML: загрузка предобученных моделей (например, MobileNet, YOLO), обработка изображений, классификация текста, обнаружение объектов.
• Часть III: Создание собственных моделей — обучение моделей на кастомных данных с использованием Create ML и Turi Create. Рассматриваются задачи классификации изображений, регрессии, рекомендательные системы.
• Часть IV: Продвинутые темы — нейронные сети, transfer learning, работа с Natural Language фреймворком, интеграция с Vision, а также развёртывание моделей на устройстве.

Для кого эта книга

Книга рассчитана на iOS/macOS разработчиков, которые уже владеют основами Swift и Xcode, но не имеют опыта в машинном обучении. Она не требует знания Python, линейной алгебры или статистики — все объяснения даются на интуитивном уровне с акцентом на практику. Также будет полезна тем, кто хочет быстро добавить ML-функции в существующее приложение без глубокого погружения в математику.

Что узнает читатель

• Как установить и настроить Create ML и Core ML в Xcode.
• Как классифицировать изображения, текст и звуки с помощью готовых моделей.
• Как обучить собственную модель для распознавания объектов, эмоций или рекомендаций.
• Как использовать Transfer Learning для дообучения нейросетей под свои данные.
• Как интегрировать модель в приложение с помощью SwiftUI и UIKit.
• Как обрабатывать видео в реальном времени с помощью Vision и Core ML.
• Как работать с Natural Language для анализа тональности, выделения сущностей, языковой идентификации.
• Как оптимизировать модель для работы на устройстве (сжатие, квантизация).
• Как тестировать и отлаживать ML-функции в симуляторе и на реальном устройстве.

Сильные стороны

Практическая направленность. Каждая глава содержит готовый проект, который можно скачать и запустить. Код написан в стиле Raywenderlich — с подробными комментариями и пошаговыми инструкциями. Актуальность. Книга использует последние на момент 2021 года версии фреймворков (iOS 14, Xcode 12), что делает её применимой для современных проектов. Доступность. Сложные концепции (нейронные сети, градиентный спуск) объясняются через аналогии и визуализации, без формул. Качество оформления. Цветные скриншоты, схемы, листинги кода — всё это помогает быстро разобраться в материале.

Кому рекомендуется

Книга будет полезна:

• iOS-разработчикам, желающим добавить «умные» функции в свои приложения (распознавание лиц, фильтры, рекомендации).
• Студентам и начинающим специалистам, которые хотят изучить ML на практике, не углубляясь в математику.
• Продуктовым менеджерам и дизайнерам, чтобы понимать возможности и ограничения on-device ML.
• Всем, кто ищет альтернативу Python-центричным учебникам и хочет оставаться в экосистеме Apple.

Если вы уже работаете с Python и интересуетесь ML в вебе или на сервере, эта книга не для вас — лучше обратиться к классическим учебникам по scikit-learn или TensorFlow. Но если ваша цель — создание интеллектуальных мобильных приложений на Swift, «Machine Learning by Tutorials» станет отличным стартом.