从 Swift 到机器学习 - 王巍

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/atConf

摘要

文档介绍了从 Swift 开发到机器学习的过渡，重点介绍了 Apple 的 CreateML 工具，探讨了其在 iOS 开发中的应用，包括图像分类、自然语言处理和回归分析等任务。文档还提到 CreateML 的局限性，如仅适用于特定任务和无法处理自定义模型，并提供了相关学习资源和应用场景。

AI总结

### 从 Swift 到 机器学习：CreateML 作为通向 ML 的金钥匙

**主题**：
本文由王巍（onevcat）在 2018 年的 Swift Conf 上分享，探讨了如何从 Swift 开发转向机器学习，并介绍了 **CreateML** 这一工具，作为通向机器学习的便捷桥梁。

---

**核心观点**：
1. **机器学习的兴起**：
- 后移动开发时代，机器学习、深度学习、计算机视觉、自然语言处理等领域逐渐成为关注焦点。
- Google Trends 数据显示，“iOS Development” 的搜索热度下降，暗示开发者需探索新方向。

2. **CreateML 的优势**：
- **简单易用**：支持拖拽式操作，无需复杂代码，适合快速生成可用模型。
- **本地运行**：模型可在客户端本机编译和更新，适用于图片分类、自然语言处理、回归分析等特定任务。
- **友好性**：对工程师友好，适合快速部署和测试。

3. **局限性**：
- CreateML 仅适用于特定任务，无法处理自定义模型或更复杂的通用任务。
- TuriCreate 的扩展性有限，依赖第三方模型（如风格化图片滤镜）。

4. **应用场景**：
- 本地垃圾短信识别。
- 游戏 AI（使用 GameplayKit）。
- 专用的图像分类/识别。

5. **资源推荐**：
- **学习资源**：
- [Machine Learning for iOS](https://github.com/alexsosn/iOS_ML)
- [Awesome Core ML Models](https://github.com/likedan/Awesome-CoreML-Models)
- [Apple Machine Learning Journal](https://machinelearning.apple.com)
- [Kaggle](https://www.kaggle.com)
- [Coursera 机器学习课程](https://coursera.org/specializations/machine-learning)
- [《Deep Learning with Python》](https://www.manning.com/books/deep-learning-with-python)
- **音乐案例**：展示了不同音乐风格（如梁祝、命运交响曲、小苹果）与关键词的对应关系。

6. **未来发展**：
- 客户端机器学习的关键在于“小模型”，适合特定任务。
- 开发者可探索其他方向，如区块链、P2P 信贷、虚拟现实（VR）、增强现实（AR），或转向大前端技术（如 React Native、Weex、小程序、Flutter）。

---

**总结**：
CreateML 为 Swift 开发者提供了快速进入机器学习领域的工具，尤其适合处理简单的、特征表现优秀的任务（如图片分类）。然而，对于复杂或自定义模型，仍需依赖其他工具和方法。开发者可根据自身需求和兴趣，结合 CreateML 或其他技术探索未来发展方向。