실전! Core ML을 활용한 머신러닝 iOS 앱 개발

인공지능을 활용한 객체 인식, 감정 탐지, 스타일 전이, 스케치 인식 구현

애플 Core ML을 활용한 스마트한 iOS 앱 만들기!

Core ML은 다양한 머신러닝 작업을 지원하기 위해 설계된 API를 제공하는 애플의 유명한 프레임워크다. 이 프레임워크를 활용하면 머신러닝 모델을 훈련시킨 다음 그 모델을 iOS 앱에 통합시킬 수 있다.

이 책은 Core ML을 이해하기 쉽게 설명할 뿐 아니라 머신러닝을 명확하게 설명해 준다. 모바일 플랫폼(특히 iOS)에서 현실적이면서 흥미로운 머신러닝 예제를 통해 배우며, 시각 기반의 애플리케이션을 위해 전이 학습과 신경망 이론을 사용하여 Core ML을 구현하는 법도 배울 것이다. 기본 사항을 파악하고 나서는 유용한 7가지 예제를 만들어 본다. 예제를 만들어 보면서 머신러닝 관련 개념과 기법이 어떻게 예제에 적용되는지 살펴본다.

이 책을 마칠 때면 Core ML API를 사용해 머신러닝을 장착한 자신만의 애플리케이션을 만드는 데 필요한 기술을 갖게 될 것이다.

 

★ 이 책에서 다루는 내용 ★

  • 알고리즘과 데이터를 사용해 ML 프로젝트의 구성요소 이해하기
  • 머신러닝 모델을 얻고 임포트함으로써 Core ML을 마스터하고 클래스 생성하기
  • 머신러닝에 사용할 데이터를 준비하고 최적화된 솔루션을 얻기 위해 결과 해석하기
  • 지원되지 않는 계층을 위한 맞춤 계층을 생성하고 최적화하기
  • CNN을 사용해 이미지와 동영상 데이터에 CoreML 적용하기
  • 스케치를 인식하기 위해 RNN 품질을 배우고 드로잉 강화하기
  • Core ML 전이 학습을 사용해 이미지에 스타일 전이 실행하기

 

홍보 영상

조슈아 뉴햄 (Joshua Newnham)

조슈아 뉴햄은 디자인과 인공지능(artificial intelligence, AI) 사이의 교차 지점, 특히 컴퓨터 설계와 인간 컴퓨터 상호작용 분야에 중점을 두고 있는 글로벌 디자인 기업인 메서드(Method)에서 기술을 선도하고 있다. 이전에 그는 엔지니어와 크리에이티브 사이의 협업 도구를 만드는 가상 현실(Virtual Reality, VR)과 증강 현실(Augmented Reality, AR) 스튜디오인 Master of Pie의 기술 임원이었다.

김정인

학업까지 포함하여 약 20년을 IT 분야에 종사했다. 회사를 나오기 전 최근 7년동안 BI/BA 영역에 몸담았다. 관심 있는 분야는 데이터 과학 분야이며, 늘 이 책으로 처음 공부하는 사람처럼 번역에 임하고 싶다. 옮긴 책으로는 《실전활용! 텐서플로 딥러닝 프로젝트》 《애자일 데이터 과학 2.0》 《구글 애널리틱스 완벽 가이드》 《파이썬 데이터 사이언스 핸드북》 《러닝 스칼라》가 있다.

  • ▣ 01장: 머신러닝 소개
    • 머신 러닝이란 무엇인가?
    • ML 알고리즘 소개
      • 넷플릭스 - 추천 생성하기
      • Shadow draw - 프리핸드 드로잉을 위한 실시간 사용자 가이드
      • 셔터스톡(Shutterstock) - 구도 기반의 이미지 검색
      • iOS 키보드 예측 - 다음 글자 예측
    • 일반적인 ML 작업 흐름
    • 요약
    •  
  • ▣ 02장: 애플 Core ML 소개
    • 훈련과 추론의 차이
    • 에지에서의 추론
    • Core ML
      • 작업 흐름
    • 학습 알고리즘
      • 스웨덴 자동차 보험
      • 지원 학습 알고리즘
    • 고려사항
    • 요약
    •  
  • ▣ 03장: 실세계에서 객체 인식하기
    • 이미지 이해하기
    • 객체 인식
      • 데이터 캡처
      • 데이터 전처리
    • 추론하기
    • 요약
    •  
  • ▣ 04장: CNN을 활용한 감정 탐지
    • 얼굴 표정
    • 입력 데이터와 선처리
    • 종합
    • 요약
    •  
  • ▣ 05장: 실세계에서 객체 위치 측정
    • 객체 위치 측정과 객체 탐지
    • 케라스 Tiny YOLO를 Core ML로 변환하기
    • 사진을 쉽게 찾는 방법
    • 배치로 최적화
    • 요약
    •  
  • ▣ 06장: 스타일 전이로 예술 창작하기
    • 한 이미지에서 다른 이미지로 스타일 옮기기
    • 스타일 전이를 더 빠르게 하는 방법
    • 케라스 모델을 Core ML로 변환하기
    • 스위프트에서 맞춤 계층 구축하기
      • 계층 속도 높이기
      • GPU 활용하기
    • 모델 가중치 줄이기
    • 요약
    •  
  • ▣ 07장: CNN으로 드로잉 보조하기
    • 지능형 인터페이스를 구현해야 하는 이유
    • 드로잉
    • 사용자 스케치 인식하기
      • 훈련 데이터와 모델 검토
      • 스케치 분류하기
      • 시각적 유사성을 기준으로 정렬하기
    • 요약
    •  
  • ▣ 08장: RNN으로 드로잉 보조하기
    • 드로잉 보조하기
    • 드로잉 분류에 사용할 순환 신경망
    • 입력 데이터와 전처리
    • 종합
    • 요약
    •  
  • ▣ 09장: CNN을 활용한 객체 분할
    • 픽셀 분류하기
    • 원하는 효과를 내기 위한 데이터 - 액션 샷
    • 사진 효과 애플리케이션 구축하기
    • 확률적 결과 활용하기
      • 모델 개선하기
      • 제약 조건을 두어 설계하기
      • 휴리스틱 포함
      • 사후 처리 및 앙상블 기법
      • 인적 보조
    • 요약
    •  
  • ▣10장: Create ML 소개
    • 전형적인 작업 흐름
    • 데이터 준비하기
    • 모델 생성 및 훈련
      • 모델 매개변수
      • 모델 메타데이터
      • 다른 작업 흐름(그래픽 버전)
    • 마무리
    • 요약
    •