Swift (iOS/macOS) für Data Science: maschinelles Lernen, neuronale Netze und Datenanalyse auf Ihrem Gerät

Dieses Buch ist der erste praxisorientierte Leitfaden in deutscher Sprache, der das Klischee widerlegt, dass Data Science ausschließlich aus Python und Jupyter Notebooks besteht. Der Autor, Andrey Sokolov, ein erfahrener iOS-Entwickler und Spezialist für maschinelles Lernen, beweist, dass das Apple-Ökosystem leistungsstarke und elegante Werkzeuge für die Arbeit mit Daten, das Erstellen von Modellen und das Bereitstellen von ML-Lösungen direkt auf den Geräten der Benutzer bietet.

Worum geht es in diesem Buch?

Sie erfahren, wie Sie Swift – eine moderne, schnelle und sichere Programmiersprache – für den gesamten Data-Science-Zyklus einsetzen: von der Datenerfassung und -bereinigung bis zum Training neuronaler Netze und der Integration fertiger Modelle in Anwendungen. Das Buch deckt sowohl grundlegende Konzepte als auch fortgeschrittene Techniken ab, darunter:

• Grundlagen von Data Science mit Swift: Arbeiten mit Arrays, Matrizen, statistischen Funktionen mithilfe des Frameworks Accelerate und der Bibliothek Swift Numerics.
• Core ML und Create ML: Erstellen, Trainieren und Optimieren von Modellen des maschinellen Lernens (Klassifikation, Regression, Clustering), ohne Xcode verlassen zu müssen.
• Tiefes Lernen: Aufbau neuronaler Netze mit TensorFlow Lite für Swift und Integration vortrainierter Modelle aus PyTorch über Core ML Converters.
• Natürliche Sprachverarbeitung (NLP): Textanalyse, Stimmungsanalyse, Erstellung von Chatbots mit dem NaturalLanguage-Framework.
• Computersehen: Bilderkennung, Objekterkennung und Echtzeit-Videoverarbeitung mit Vision und Core Image.
• Datenvisualisierung: Erstellung von Diagrammen und Dashboards mit Swift Charts und PlotKit.
• Bereitstellung: Veröffentlichung von ML-Anwendungen im App Store und Optimierung von Modellen für den Betrieb auf Geräten mit begrenzten Ressourcen.

Für wen ist dieses Buch?

• iOS/macOS-Entwickler, die ihre Fähigkeiten um Data Science und maschinelles Lernen erweitern möchten.
• Datenwissenschaftler, die Swift für die Erstellung leistungsstarker nativer Anwendungen mit ML-Funktionalität erlernen möchten.
• Studenten und Enthusiasten, die sich für moderne Ansätze der Datenanalyse außerhalb des Python-Ökosystems interessieren.
• Alle, die verstehen möchten, wie ML-Modelle auf iPhone, Apple Watch und Mac funktionieren.

Was werden Sie lernen?

• Wie man Daten mit Swift lädt, verarbeitet und visualisiert.
• Wie man in 15 Minuten im Playground ein Modell für maschinelles Lernen von Grund auf erstellt und trainiert.
• Wie man Modelle aus Python (TensorFlow, PyTorch) in das Core ML-Format konvertiert.
• Wie man die Privatsphäre der Benutzer schützt, indem man ML-Inferenz lokal auf dem Gerät durchführt.
• Wie man Anwendungen zur Gesichtserkennung, Spracherkennung, Texterkennung und Verhaltensvorhersage erstellt.

Jedes Kapitel enthält praktische Beispiele, die in Xcode sofort einsatzbereit sind, sowie Verweise auf das Repository mit dem Quellcode. Das Buch ist in verständlicher Sprache geschrieben, setzt jedoch grundlegende Kenntnisse der Swift-Syntax voraus. Wenn Sie Ihre Entwicklungsfähigkeiten auf die nächste Stufe heben und wirklich „intelligente“ Anwendungen erstellen möchten —