没有设备可以运行的话，人工智能将一无是处。既然移动设备已成为大多数人的主要计算设备，那么移动开发人员将AI添加到他们的工具箱中便至关重要。本书是你在iOS和Android等流行移动平台上创建和运行机器学习模型的实用指南。
作者首先介绍了机器学习技术和工具，然后引导你使用ML Kit、TensorFlow Lite和Core ML等工具编写由常见ML模型（如计算机视觉和文本识别）驱动的Android和iOS应用程序。如果你是一名移动端应用开发者，本书将帮助你利用当今的ML技术。
通过阅读本书，你将：
*探索在移动设备上实施ML和AI的选项。
*为iOS和Android创建ML模型。
*为iOS和Android编写ML Kit和TensorFlow Lite应用程序，为iOS编写Core ML/Create ML应用程序。
*为你的用例选择合适的技术和工具，例如，基于云的推理与移动端推理、高级API与低级API。
*了解移动端机器学习的隐私和伦理实践。

【目标读者】
如果你是一名移动端应用开发者，喜欢编写在Android或iOS上运行的代码，并且喜欢通过应用程序或网站来取悦用户，而又总是对机器学习如何融入你的工作流程感到好奇，那么本书很适合你！
【为什么写这本书】
我在Google的目标是让所有开发者都能轻松使用 AI，揭开看似神秘的数学面纱，让每个人都能真正地掌握人工智能。实现这一目标的关键是让移动开发者能够使用机器学习来打开新的移动范式。
有一个古老的笑话，说的是在互联网的早期，通常的建议是不要和陌生人说话，并且你绝对不应该乘坐一辆不熟悉的车。如今，由于范式的变化，我们愉快地召唤互联网上的陌生人并上他们的车！这种行为是通过移动互联网连接的计算设备实现的。现在，做事的方式已经改变了。
我们可以用计算设备来创造新事物，而这种创造力将由机器学习提供动力。我只能猜测它们可能是什么！我写这本书是为了帮助你，看一看你所拥有的众多选择。你将成为可以编写改变一切的应用程序的人。
【阅读建议】
如果你是一名想要了解机器学习的移动端应用开发者，那么从头阅读即可。如果你对特定的“入门”技术（例如 ML Kit 或 Create ML）有兴趣，则有专门的章节供你参考。在本书的最后，我将讨论你进一步学习时需要考虑的技术和技巧，例如使用 Firebase 的多模型托管以及你需要考虑的 AI 公平性工具。
【需要了解的技术】
深入研究在移动设备上使用模型之前，本书将向你简单介绍机器学习。如果你想更深入地研究机器学习，那么可以参考我的AI and Machine Learning for Coders（同样来自 O’Reilly）一书编辑注1。
本书将带你了解一些用于移动端应用开发的示例场景，但并非为了教你使用 Kotlin 进行 Android 开发或使用 Swift 进行 iOS 开发。我们会在适当的时候指导你获取相关的学习资源。
【示例代码】
可以从https://github.com/lmoroney/odmlbook下载补充材料（示例代码、练习、勘误等）。

Laurence Moroney在Google领导AI Advocacy。作为编程和机器学习行业的资深人士，Laurence撰写了20多本书。他在DeepLearning.ai的Coursera以及哈佛大学的edX上在线教授流行课程。

前言1
第1章 人工智能和机器学习简介7
1.1 什么是人工智能7
1.2 什么是机器学习8
1.2.1 从传统编程转向机器学习9
1.2.2 机器如何学习12
1.2.3 机器学习与传统编程的比较17
1.3 在移动设备上构建和使用模型18
1.4 总结18
第2章 计算机视觉简介19
2.1 为视觉使用神经元19
2.1.1 你的第一个分类器：识别衣物24
2.1.2 数据：Fashion MNIST24
2.1.3 解析Fashion MNIST的模型架构26
2.1.4 编写Fashion MNIST 模型27
2.2 计算机视觉的迁移学习31
2.3 总结34
第3章 ML Kit简介35
3.1 在Android上构建人脸检测应用程序36
3.1.1 第1步：使用Android Studio创建应用程序36
3.1.2 第2步：添加和配置ML Kit38
3.1.3 第3步：定义用户界面39
3.1.4 第4步：将图像添加为资产41
3.1.5 第5步：使用默认图片加载UI41
3.1.6 第6步：调用人脸检测器43
3.1.7 第7步：添加边界矩形44
3.2 为iOS构建人脸检测器应用程序46
3.2.1 第1步：在Xcode中创建项目46
3.2.2 第2步：使用 CocoaPods 和podfile47
3.2.3 第3步：创建用户界面48
3.2.4 第 4步：添加应用程序逻辑52
3.3 总结55
第4章 Android上使用ML Kit的计算机视觉应用程序56
4.1 图像标记和分类56
4.1.1 第1步：创建应用程序并配置ML Kit57
4.1.2 第2步：创建用户界面57
4.1.3 第3步：将图像添加为资产58
4.1.4 第4步：将图像加载到ImageView59
4.1.5 第5步：编写按钮处理程序代码59
4.1.6 下一步62
4.2 物体检测62
4.2.1 第1步：创建应用程序并导入ML Kit63
4.2.2 第2步：创建活动布局 XML63
4.2.3 第3步：将图像加载到 ImageView 63
4.2.4 第4步：设置物体检测器选项64
4.2.5 第5步：处理按钮交互65
4.2.6 第6步：绘制边界框65
4.2.7 第7步：标记物体67
4.3 检测和跟踪视频中的物体68
4.3.1 探索布局69
4.3.2 GraphicOverlay类70
4.3.3 捕捉相机70
4.3.4 ObjectAnalyzer类71
4.3.5 ObjectGraphic 类72
4.3.6 组合在一起73
4.4 总结73
第5章 Android上使用ML Kit的文本处理应用程序74
5.1 实体提取74
5.1.1 创建应用程序75
5.1.2 为活动创建布局76
5.1.3 编写实体提取代码77
5.1.4 组合在一起79
5.2 手写识别和其他识别80
5.2.1 创建应用程序81
5.2.2 创建绘图平面82
5.2.3 使用ML Kit解析墨迹84
5.3 智能回复对话86
5.3.1 创建应用程序86
5.3.2 模拟对话87
5.3.3 生成智能回复88
5.4 总结88
第6章 iOS上使用ML Kit的计算机视觉应用程序89
6.1 图像标记和分类89
6.1.1 第1步：在 Xcode 中创建应用程序90
6.1.2 第2步：创建podfile90
6.1.3 第3步：设置故事板92
6.1.4 第4步：编辑视图控制器代码来使用 ML Kit93
6.2 使用ML Kit在iOS中进行物体检测96
6.2.1 第1步：开始97
6.2.2 第2步：在故事板上创建UI98
6.2.3 第3步：为注释创建子视图99
6.2.4 第4步：执行物体检测100
6.2.5 第5步：处理回调函数101
6.2.6 将物体检测与图像分类结合103
6.2.7 视频中的物体检测和跟踪104
6.3 总结107
第7章 iOS上使用ML Kit的文本处理应用程序108
7.1 实体提取108
7.1.1 第1步：创建应用程序并添加 ML Kit pod109
7.1.2 第2步：创建带有动作和输出的故事板110
7.1.3 第3步：允许视图控制器用于文本输入110
7.1.4 第4步：初始化模型111
7.1.5 第5步：从文本中提取实体112
7.2 手写识别113
7.2.1 第1步：创建应用程序并添加ML Kit pod114
7.2.2 第2步：创建故事板、动作和输出115
7.2.3 第3步：笔画、点和墨迹115
7.2.4 第4步：捕获用户输入116
7.2.5 第5步：初始化模型117
7.2.6 第6步：进行墨迹识别118
7.3 智能回复对话119
7.3.1 第1步：创建应用程序并集成 ML Kit120
7.3.2 第2步：创建故事板、输出和动作120
7.3.3 第3步：创建模拟对话121
7.3.4 第4步：获取智能回复123
7.4 总结124
第8章 更深入：了解TensorFlow Lite125
8.1 什么是 TensorFlow Lite125
8.2 TensorFlow Lite 入门127
8.2.1 保存模型128
8.2.2 转换模型128
8.2.3 使用独立解释器测试模型129
8.3 创建一个 Android应用程序来托管TFLite131
8.3.1 导入TFLite文件133
8.3.2 编写Kotlin代码与模型交互134
8.3.3 超越基础137
8.4 创建一个 iOS 应用程序来托管 TFLite140
8.4.1 第1步：创建一个基本的 iOS 应用程序140
8.4.2 第2步：将 TensorFlow Lite 添加到项目中141
8.4.3 第3步：创建用户界面142
8.4.4 第4步：添加并初始化模型推理类144
8.4.5 第 5 步：执行推理147
8.4.6 第6步：将模型添加到应用程序中149
8.4.7 第7步：添加UI逻辑150
8.4.8 超越“Hello World”：处理图像152
8.5 探索模型优化155
8.5.1 量化155
8.5.2 使用代表性数据157
8.6 总结158
第9章 创建自定义模型159
9.1 使用TensorFlow Lite Model Maker创建模型160
9.2 使用Cloud AutoML创建模型164
9.3 使用TensorFlow和迁移学习创建模型174
9.4 创建语言模型176
9.5 总结180
第10章 在Android中使用自定义模型181
10.1 将模型桥接到 Android181
10.2 从Model Maker输出构建图像分类应用程序182
10.3 将......