Swift (iOS/macOS) 数据科学：在您的设备上进行机器学习、神经网络和数据分析

这本书是第一本俄语实践指南，打破了数据科学仅仅是 Python 和 Jupyter Notebook 的刻板印象。作者安德烈·索科洛夫（Andrey Sokolov）是一位经验丰富的 iOS 开发者和机器学习专家，他证明了苹果生态系统提供了强大而优雅的工具，用于数据处理、模型构建以及直接在用户设备上部署机器学习解决方案。

这本书是关于什么的？

您将学习如何使用 Swift（一种现代、快速且安全的编程语言）完成数据科学的完整流程：从数据收集和清理，到神经网络训练，以及将训练好的模型集成到应用程序中。本书涵盖了基础概念和高级技术，包括：

• Swift 数据科学基础：使用 Accelerate 框架和 Swift Numerics 库处理数组、矩阵和统计函数。
• Core ML 和 Create ML：无需离开 Xcode 即可创建、训练和调整机器学习模型（分类、回归、聚类）。
• 深度学习：使用 Swift 的 TensorFlow Lite 构建神经网络，并通过 Core ML Converters 集成来自 PyTorch 的预训练模型。
• 自然语言处理（NLP）：使用 NaturalLanguage 框架进行文本分析、情感分析和创建聊天机器人。
• 计算机视觉：通过 Vision 和 Core Image 进行图像识别、目标检测和实时视频处理。
• 数据可视化：使用 Swift Charts 和 PlotKit 构建图表和仪表盘。
• 部署：在 App Store 发布机器学习应用程序，并优化模型以在资源受限的设备上运行。

这本书适合谁？

• 希望将数据科学和机器学习技能添加到技术栈中的 iOS/macOS 开发者。
• 希望掌握 Swift 以创建具有机器学习功能的高性能原生应用程序的数据科学家。
• 对 Python 生态系统之外的数据分析现代方法感兴趣的学生和爱好者。
• 所有想了解机器学习模型如何在 iPhone、Apple Watch 和 Mac 上工作的人。

您将学到什么？

• 如何使用 Swift 加载、处理和可视化数据。
• 如何在 Playground 中在 15 分钟内从零开始构建和训练一个机器学习模型。
• 如何将 Python（TensorFlow、PyTorch）中的模型转换为 Core ML 格式。
• 如何通过在设备本地执行机器学习推理来确保用户隐私。
• 如何创建用于面部识别、语音识别、文本识别和行为预测的应用程序。

每一章都包含可直接在 Xcode 中使用的实践示例，以及指向包含源代码的仓库的链接。本书语言通俗易懂，但假设读者已基本熟悉 Swift 语法。如果您希望将开发技能提升到新的水平，并创建真正“智能”的应用程序——