Introducing the Create ML App 정리 - WWDC2019

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

3. 경로 이동 후 New Document > 사용할 템플릿 선택

4. 사용할 학습 데이터를 템플릿에 추가

5. Run을 눌러 모델 훈련 시작
6. 훈련이 완료되면 훈련하지않은 모델 테스트

7. 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