【Udemy中英字幕】Android 15 & ML – Train Tensorflow Lite Models for Android

Android 15 和 ML – 为 Android 训练 Tensorflow Lite 模型

为 Android 训练图像分类、对象检测和回归模型 – 构建智能 Android Kotlin 应用程序

讲师：Mobile ML Academy by Hamza Asif

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• 为 Android 应用程序训练机器学习模型
• 为 Android 应用训练图像分类和对象检测模型
• 为 Android 应用训练线性回归模型
• 在 Android kotlin 应用中集成 Tensorflow Lite 模型
• 在 Android 中使用计算机视觉模型处理图像和实时摄像头素材
• 训练物体检测模型来计数和检测水果并构建 Android 应用程序
• 训练水果分类模型并构建水果识别 Android 应用程序
• 训练脑肿瘤分类模型并构建Android应用程序
• 训练机器学习模型并构建燃油效率预测 Android 应用程序
• 训练机器学习模型并构建房价预测 Android 应用程序
• 训练任何预测、分类和对象检测模型并在 Android 应用程序中使用它
• 分析和使用 Android 应用程序中的高级回归模型
• Android 应用程序的 ML 模型训练的数据收集、数据注释和预处理
• 机器学习和深度学习基础知识，用于训练 Android 的机器学习模型
• 了解用于训练 Android 机器学习的人工神经网络的工作原理
• 用于训练 Android ML 模型的 Python 编程语言的基本语法
• 使用 numpy、pandas 和 matplotlib 等数据科学库

显示更多显示较少

探索相关主题

• Android 开发
• 移动开发
• 发展

要求

• 系统上安装了 Visual Studio Code 或 Android

描述

您是否想训练不同的机器学习模型并构建智能 Android 应用程序，欢迎参加本课程。

在本课程中，你将学习训练强大的

• 图像分类
• 物体检测
• 线性回归

从头开始用 Python 建模。之后你将学习

• 在 Android 中使用自定义训练的机器学习模型
• 在 Android 应用中使用现有的 TensorFlow Lite 模型

回归

回归是机器学习的基本技术之一，可用于无数应用。例如，你可以使用回归来训练机器学习模型

• 预测房价
• 预测车辆的燃油效率
• 根据病情推荐药物剂量
• 推荐农业肥料
• 提出提高球员表现的练习建议

等等。因此，在本课程中，您将学习以 Tensorflow Lite 格式训练自定义线性回归模型并构建智能 Android 应用程序。

图像分类与应用

图像分类 是识别图像或视频中不同实体或事物的过程。您可以使用图像识别来识别动物、植物、疾病、食物、活动、颜色、事物、虚构人物、饮料等。

• 在电子商务应用中，图像分类可用于根据产品的视觉特征对产品进行分类，因此它可用于将产品组织成类别以便于浏览。
• 图像分类可用于为移动应用程序中的视觉搜索提供支持，因此用户可以拍摄某个物体的照片，然后找到待售的类似物品。
• 图像分类可用于医疗应用，根据医学图像（例如 X 射线或 CT 扫描）诊断疾病。
• 我们可以使用图像分类来构建无数的识别应用程序来执行许多任务，例如我们可以训练模型并构建应用程序来识别
  • 不同品种的狗
  • 不同类型的植物
  • 不同种类的动物
  • 不同种类的宝石

图像分类与应用

物体检测是一种强大的计算机视觉技术，可以准确识别和确定图像或视频中各种物体的位置。通过识别汽车、人和动物等物体，该技术使安全监控、自动驾驶汽车和智能手机应用等应用程序能够通过摄像头镜头识别物体。

主要应用：

• 自动驾驶汽车：配备物体检测功能的汽车可以安全行驶道路、避免碰撞并增强驾驶辅助系统。
• 监控系统：安全摄像头可以识别个人、追踪可疑活动并检测入侵。
• 零售：商店可以监控顾客行为、管理库存并防止盗窃。
• 医疗保健：医学成像系统可以检测肿瘤和骨折等异常。
• 农业：农民可以监测农作物、牲畜并检测害虫或疾病。
• 制造业：通过物体检查和机器人引导可以提高质量控制和自动化程度。
• 体育分析：追踪球员的动作和装备可以增强表现分析和球迷体验。
• 环境监测：野生动物保护和栖息地保护可以从物体检测中受益。
• 智慧城市：交通管理、公共空间监控和废物管理可以得到优化。

我是 Muhammad Hamza Asif，在本课程中，我们将踏上一段旅程，将预测模型的强大功能与 Android 应用开发的灵活性结合起来。无论您是经验丰富的 Android 开发者还是新手，本课程都能为您提供有价值的内容

课程概述：我们将首先探索机器学习及其各种类型的基础知识，然后深入学习和人工神经网络的世界，这将作为训练 Android 机器学习模型的基础。

Android-ML 融合：掌握核心概念后，我们将弥合 Android 与机器学习之间的差距。为此，我们将从 Python 编程开始我们的旅程，这是一种多功能语言，将为我们的机器学习模型训练铺平道路

释放数据的力量：为了有效地准备和分析我们的数据集，我们将深入研究 NumPy、Pandas 和 Matplotlib 等基本数据科学库。这些强大的工具将帮助您利用数据的潜力进行准确的预测。

Tensorflow for Mobile：接下来，我们将沉浸在 TensorFlow 的世界中，这个库不仅支持使用神经网络进行模型训练，而且还适用于包括 Android 在内的移动设备

回归模型训练

1. 训练你的第一个机器学习模型：
   • 利用 TensorFlow 和 Python 创建一个简单的线性回归模型
   • 将模型转换为TFLite格式，使其与Android兼容
   • 学习将 tflite 模型集成到 Android 应用中
2. 燃油效率预测：
   • 通过预测汽车燃油效率将您的知识应用于实际问题
   • 将模型无缝集成到 Android 应用程序中，获得直观的燃油效率预测体验
3. Android 中的房价预测：
   • 掌握在大量数据集上训练机器学习模型的艺术
   • 利用 Android 应用中经过训练的模型自信地预测房价

计算机视觉模型训练

1. Android中的图像分类：
   • 收集并处理模型训练的数据集
   • 使用 Teachable Machine 在自定义数据集上训练图像分类模型
   • 使用迁移学习在自定义数据集上训练图像分类模型
   • 在 Android 中使用图像分类模型来处理图像和实时摄像机镜头
2. Android中的对象检测
   • 收集并注释用于对象检测模型训练的数据集
   • 训练物体检测模型
   • 在 Android 中通过图像和视频使用对象检测模型

Android 优势：完成本课程后，您将能够：

• 训练先进的机器学习模型以实现准确的预测
• 将 tflite 模型无缝集成到您的 Android 应用程序中
• 在 Android 生态系统中分析并有效使用现有的回归和视觉 (ML) 模型

谁应该报名：

• 有抱负的 Android 开发人员渴望将预测模型添加到他们的技能组合中
• 初级 Android 开发人员，对移动应用程序开发知之甚少
• 中级 Android 开发人员希望构建一个功能强大的基于机器学习的应用程序
• 经验丰富的 Android 开发人员希望在他们的应用程序中使用机器学习模型。

踏入 Android 和机器学习的世界：加入我们的激动人心的旅程，释放 Android 和机器学习的潜力。在课程结束时，您将能够开发出不仅外观精美，而且能够做出明智的数据驱动决策的 Android 应用程序。

立即报名，拥抱Android与机器学习的融合！

本课程适合哪些人：

• 想要训练 ML 模型并构建基于机器学习的 Android 应用程序的初级 Android 开发人员
• 有抱负的 Android 开发人员渴望将 ML 建模添加到他们的技能组合中
• 寻求弥合机器学习与移动应用程序开发之间差距的爱好者。
• 机器学习工程师希望利用机器学习模型构建现实世界的应用程序

显示更多显示较少