یادگیری ماشین اندروید با TensorFlow Lite در جاوا/کاتلین

آنچه یاد خواهید گرفت:

• آموزش مدل‌های یادگیری ماشین برای برنامه‌های اندروید
• استفاده از مدل‌های TensorFlow Lite در برنامه‌های اندروید با استفاده از هر دو زبان جاوا و کاتلین
• به‌کارگیری مدل‌های آموزش‌دیده یادگیری ماشین در برنامه‌های اندروید با Android Studio
• آموزش بیش از 10 مدل یادگیری ماشین و ساخت برنامه‌های اندروید برای آن‌ها
• آموزش و پیاده‌سازی مدل‌های طبقه‌بندی و رگرسیون در اندروید
• تولید مدل TensorFlow Lite از مدل Keras، مدل ذخیره‌شده، و تابع مشخص
• آموزش مدل‌های تشخیص تصویر و ساخت برنامه‌های اندروید برای آن مدل‌ها
• ساخت برنامه طبقه‌بندی گربه‌ها و سگ‌ها در اندروید
• مسئله سنگ‌کاغذقیچی در اندروید
• برنامه تشخیص گل‌ها در اندروید
• برنامه تشخیص سنگ‌های قیمتی در اندروید
• برنامه تشخیص میوه‌ها در اندروید
• برنامه پیش‌بینی تناسب اندام در اندروید
• مسئله انسان و اسب در اندروید

پیش نیازهای دوره

• دانش بسیار کم درباره توسعه اندروید

توضیحات دوره

از دوره‌های سنتی توسعه برنامه‌های اندروید خسته شده‌اید؟ حالا وقت آن است که درباره فناوری‌های جدید و پرطرفدار در اندروید بیاموزید. یادگیری ماشین در اوج خود قرار دارد و توسعه برنامه‌های اندروید هم در خواست است، پس چه چیزی بهتر از یادگیری هر دو؟

این دوره برای توسعه‌دهندگان اندروید طراحی شده است که می‌خواهند یادگیری ماشین را بیاموزند و مدل‌های یادگیری ماشین را در برنامه‌های اندروید خود با استفاده از TensorFlow Lite پیاده‌سازی کنند. اگر دانش پایه‌ای درباره توسعه برنامه‌های اندروید دارید و می‌خواهید کاربردهای یادگیری ماشین در آن‌ها را یاد بگیرید، این دوره مناسب شما است. این دوره شما را در ساختن اولین مدل یادگیری عمیق و برنامه اندروید با هر دو زبان جاوا و کاتلین با استفاده از TensorFlow Lite و Android Studio راهنمایی می‌کند. در این دوره با مفاهیم یادگیری ماشین و یادگیری عمیق آشنا می‌شوید، سپس اولین مدل خود را آموزش داده و در یک برنامه اندروید مستقر می‌کنید. کلیه مطالب این دوره رایگان است.

می‌توانید این دوره را با هر دو زبان جاوا و کاتلین دنبال کنید. درس‌های جداگانه برای هر زبان ارائه شده است.

نیاز به دانش قبلی در زمینه یادگیری ماشین ندارید، چون در ابتدای دوره با مباحث پایه شروع می‌کنیم:

• زبان برنامه‌نویسی پایتون
• کتابخانه‌های علم داده
• مبانی یادگیری ماشین و یادگیری عمیق
• TensorFlow و TensorFlow Lite

سپس اولین مدل یادگیری ماشین خود را آموزش می‌دهیم و برنامه اندروید با Android Studio توسعه می‌دهیم.

در این دوره نمونه‌هایی مبتنی بر سطح ساده تا پیشرفته ارائه شده است:

• پیش‌بینی کارایی سوخت خودرو (مثال رگرسیون)
• شناسایی ارقام دست‌نویس (مثال طبقه‌بندی)
• طبقه‌بندی گربه‌ها و سگ‌ها
• مسئله سنگ‌کاغذم chalk
• تشخیص گل‌ها
• تشخیص سنگ‌ها
• تشخیص میوه‌ها
• پیش‌بینی تناسب اندام یک فرد در فعالیت ورزشی
• پیش‌بینی انسان و اسب

برای هر کدام از این مثال‌ها، ابتدا مدل یادگیری ماشین آموزش داده و سپس برنامه اندروید ساخته می‌شود.

در ابتدای دوره درباره مبانی زبان برنامه‌نویسی پایتون صحبت می‌کنیم، سپس با مجموعه‌ای از کتابخانه‌های محبوب علم داده مانند Numpy ،Matplotlib و Pandas آشنا می‌شویم. پس از آن، به مفاهیم پایه در یادگیری ماشین و یادگیری عمیق می‌پردازیم و در ادامه سراغ یادگیری نظارتی می‌رویم، که در آن به صورت جزئی از طبقه‌بندی و رگرسیون صحبت می‌کنیم. پس از آن، به سراغ یادگیری عمیق می‌رویم، با ساختار پایه شبکه‌های عصبی شروع می‌کنیم و سپس نحوه کار آن‌ها را با یک نمونه عملی بررسی می‌کنیم.

پس از آن، درباره کتابخانه TensorFlow 2.0 و نحوه استفاده از آن برای آموزش مدل‌های یادگیری ماشین می‌آموزیم. سپس، به بررسی TensorFlow Lite می‌پردازیم و روش تبدیل مدل‌های یادگیری ماشین به فرمت tflite را بررسی می‌کنیم که داخل برنامه‌های اندروید قابل استفاده است. سه روش برای گرفتن فایل tflite وجود دارد:

• از مدل Keras
• از تابع Concrete
• از مدل ذخیره‌شده (Saved Model)

در این دوره، هر سه روش را پوشش می‌دهیم.

در ادامه، مفاهیم ارسال ورودی، پس‌پردازش و فعال‌سازی با استفاده از مثال عملی توضیح داده می‌شود. همچنین، به مفاهیمی مانند تابع هزینه، بهینه‌ساز، نرخ یادگیری، بیش‌برازش (Overfitting) و Dropout می‌پردازیم. تکنیک‌های پیش‌پردازش داده مانند کدگذاری One hot و نرمال‌سازی داده را نیز آموزش می‌بینیم.

سپس، شبکه عصبی را با استفاده از کتابخانه جدید TensorFlow ساخته و پیاده‌سازی می‌کنیم.

اگر شما توسعه‌دهنده اندروید هستید و می‌خواهید اصول اولیه یادگیری ماشین (یادگیری عمیق) را بیاموزید و مدل‌های ML را در برنامه‌های اندروید خود با استفاده از TensorFlow Lite و Android Studio پیاده‌سازی کنید، این دوره مناسب شما است.

در این دوره، نمونه‌های عملی زیادی را خواهید دید که نشان می‌دهد چگونه می‌توان مدل‌های یادگیری ماشین را آموزش داده و در اندروید پیاده‌سازی کرد. از Android Studio برای توسعه برنامه‌های اندروید برای مدل‌هایی که آموزش داده‌اید، استفاده خواهیم کرد.

در بخش دیگری در انتهای دوره، نحوه دسترسی به دیتاست‌ها در فرمت‌های مختلف برای اهداف کاربردی مختلف توضیح داده می‌شود.

پس از تسلط به مفاهیم پایه، خلاصه‌ای کوتاه درباره چگونگی افزودن مدل‌های یادگیری ماشین در قالب نمونه‌های برنامه‌های موجود اندرویدی گوگل ارائه می‌شود.

مخاطبین این دوره:

• توسعه‌دهندگان مبتدی اندروید که می‌خواهند برنامه‌های خود را هوشمندتر سازند.
• توسعه‌دهندگان اندروید که می‌خواهند یادگیری ماشین را در برنامه‌های خود به کار گیرند.
• توسعه‌دهندگان علاقه‌مند به پیاده‌سازی عملی یادگیری ماشین و بینایی ماشین
• دانش‌آموزانی که به یادگیری ماشین علاقه‌مندند و می‌خواهند مدل‌های آن را در اندروید با Android Studio اضافه کنند.
• حرفه‌ای‌هایی که قصد دارند مدل‌های یادگیری ماشین را در برنامه‌های اندروید خود پیاده‌سازی کنند.
• کارشناسان یادگیری ماشین که می‌خواهند مدل‌های خود را در اندروید با استفاده از Android Studio و TensorFlow Lite اجرا کنند.

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگان مبتدی اندروید که به یادگیری ماشین و بینایی ماشین در اندروید با Java یا Kotlin علاقمند هستند.
• توسعه‌دهندگان مجرب اندروید که می‌خواهند مدل‌های یادگیری ماشین را به برنامه‌های خود اضافه کنند.
• توسعه‌دهندگان متوسط اندروید که به دنبال ارتقاء مهارت‌های خود هستند.
• برنامه‌نویسان اپلیکیشن که می‌خواهند کاربرد یادگیری ماشین را در برنامه‌های اندروید بیاموزند.