티스토리 뷰

WWDC 영상 링크 - Introducing the Create ML App - WWDC 2019 - Videos - Apple Developer

Create ML App

Create ML 앱을 사용해서 머신 러닝에 관한 전문적인 지식이 없더라도 머신 러닝 모델을 구축하고 학습시키고 배포할 수 있음
https://developer.apple.com/kr/machine-learning/create-ml/

  • 새로운 모델 (활동, 소리 추가)
  • 새로운 워크 플로우

모델 템플릿

  • 물체 인식, 활동 및 음향 분류, 추천 제공을 위한 모델 구축
  • 텍스트 분류를 위해 단어 임베딩 및 전이 학습 활용 가능

다중 모델 학습

  • 동시에 서로 다른 데이터세트를 사용하여 다중 모델 학습

미리보기

  • 출력탭에서 학습된 모델을 미리볼 수 있음
  • 앱에 통합하지 않고 모델이 어떻게 예측하는 지 확인 가능 (배포하지 않아도 확인 가능)
  • 미리 확인할 수 있으니 모델을 완성하는 데 시간을 절약할 수 있음

Create ML - 모델 생성하기

  1. XCode > New Project > iOS Project 생성
  2. Xcode > Open Developer Tool > Create ML 클릭

  1. 경로 이동 후 New Document > 사용할 템플릿 선택

  1. 사용할 학습 데이터를 템플릿에 추가

  1. Run을 눌러 모델 훈련 시작
  2. 훈련이 완료되면 훈련하지않은 모델 테스트

  1. 출력탭에 생성된 학습된 모델을 앱에 넣어 확인


Create ML Model 특징

  1. Image

    • Image Classifier
      • Categorizes an image based on its content (내용을 기준으로 이미지 분류)
      • Leverages transfer learning
      • Reduced model size (모델 사이즈 감소)
      • Augmentation (기능 보강 학습 옵션 있음)
    • Object Detector (하나의 이미지에서 여러 객체 인식할 때 사용)
      • Localizes and recognizes content in an image (이미지의 컨텐츠 지역화 및 인식)
      • For on or more classes, Deep learning based (하나 이상의 클래스를 감지하도록 훈련)
      • In-built augmentation
  2. Sound

    • Sound Classifier
      • Categorizes contents of audio (오디오 내용 분류)
        • ex) 공연장에서 기타 솔로가 끝나고 관중 소리가 커질 때와 같이 다른 사운드의 시작과 종료 지점 구분
      • Leverages transfer learning
      • Hardware accelerated
  3. Activity

    • Activity Classifier
      • Categorizes contents of motion (동작 분류)
      • Deep learning based (딥 러닝 기반)
      • Small model size (작은 모델 사이즈)
  4. Text

    • Text Classifier
      • Labels text based on its contents (내용에 따라 문장, 단락 또는 전체 기사에 레이블 지정)
      • For sentences paragraphs or articles
      • Variety of algorithms (다양한 알고리즘)
    • Word Tagger
      • Labels tokens of interest in text (토큰 또는 관심있는 단어에 레이블 지정)
      • For sentences or sequences of words
  5. Tabular

    • Tabular Classifier
      • Categorizes a sample by features of interest (관심있는 기능에 따른 샘플 분류)
      • Identifies the best of multiple classifiers (데이터에 가장 적합한 분류 식별)
    • Tabular Regressor
      • Quantifies a sample by features of interest (정의된 특징에 따라 샘플 정량화)
      • Identifies the best of multiple regressors (가장 적합한 회귀 분석기 식별)
    • Recommender
      • Recommends content based on behavior (사용자 행동에 따른 콘텐츠 추천)
      • Offline and on device (오프라인 및 장치 배포 가능)

Summary

  • New models
  • Nine templates
  • New workflow
도움이 되셨다면.. Buy me a coffeeBuy me a coffee
TAG
, ,
댓글
댓글쓰기 폼