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TensorFlowLite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。

前言
第1章 人工智能和机器学习简介
1.1 什么是人工智能
1.2 什么是机器学习
1.2.1 从传统编程转向机器学习
1.2.2 机器如何学习
1.2.3 机器学习与传统编程的比较
1.3 在移动设备上构建和使用模型
1.4 总结
第2章 计算机视觉简介
2.1 为视觉使用神经元
2.1.1 你的第一个分类器：识别衣物
2.1.2 数据：Fashion MNIST
2.1.3 解析Fashion MNIST的模型架构
2.1.4 编写Fashion MNIST 模型
2.2 计算机视觉的迁移学习
2.3 总结
第3章 ML Kit简介
3.1 在Android上构建人脸检测应用程序
3.1.1 第1步：使用Android Studio创建应用程序
3.1.2 第2步：添加和配置ML Kit
3.1.3 第3步：定义用户界面
3.1.4 第4步：将图像添加为资产
3.1.5 第5步：使用默认图片加载UI
3.1.6 第6步：调用人脸检测器
3.1.7 第7步：添加边界矩形
3.2 为iOS构建人脸检测器应用程序
3.2.1 第1步：在Xcode中创建项目
3.2.2 第2步：使用 CocoaPods 和podfile
3.2.3 第3步：创建用户界面
3.2.4 第 4步：添加应用程序逻辑
3.3 总结
第4章 Android上使用ML Kit的计算机视觉应用程序
4.1 图像标记和分类
4.1.1 第1步：创建应用程序并配置ML Kit
4.1.2 第2步：创建用户界面
4.1.3 第3步：将图像添加为资产
4.1.4 第4步：将图像加载到ImageView
4.1.5 第5步：编写按钮处理程序代码
4.1.6 下一步
4.2 物体检测
4.2.1 第1步：创建应用程序并导入ML Kit
4.2.2 第2步：创建活动布局XML
4.2.3 第3步：将图像加载到ImageView
4.2.4 第4步：设置物体检测器选项
4.2.5 第5步：处理按钮交互
4.2.6 第6步：绘制边界框
4.2.7 第7步：标记物体
4.3 检测和跟踪视频中的物体
4.3.1 探索布局
4.3.2 GraphicOverlay类
……
第5章 Android上使用ML Kit的文本处理应用程序
第6章 iOS上使用ML Kit的计算机视觉应用程序
第7章 iOS上使用ML Kit的文本处理应用程序
第8章 更深入：了解TensorFlow Lite
第9章 创建自定义模型
第10章 在Android中使用自定义模型
第11章 在iOS中使用自定义模型
第12章 使用Firebase产品化应用程序
第13章 为简单的iOS应用程序创建ML和Core ML
第14章 从移动应用程序访问基于云的模型
第15章 移动应用程序的道德、公平和隐私