الوصف
Core ML هو إطار عمل قوي من Apple مصمم لدمج إمكانيات التعلم الآلي بسلاسة في التطبيقات عبر منظومة Apple البيئية. يوفر تمثيلاً موحداً لنماذج التعلم الآلي، مما يبسط العملية للمطورين لجلب ميزات مدعومة بالذكاء الاصطناعي إلى تطبيقاتهم. من خلال الاستفادة من Core ML، يمكن للتطبيقات الاستفادة من بيانات المستخدم لإجراء التنبؤات، وحتى تدريب أو ضبط النماذج مباشرة على جهاز المستخدم.
قراءة المزيد
يمكن للنماذج، التي هي نتيجة تطبيق خوارزميات التعلم الآلي على بيانات التدريب، أداء مجموعة واسعة من المهام المعقدة التي سيكون من الصعب تنفيذها من خلال الترميز التقليدي. تشمل الأمثلة تصنيف الصور أو اكتشاف الكائنات داخل الصور. يمكن للمطورين بناء وتدريب النماذج باستخدام تطبيق Create ML من Apple، والذي يأتي مدمجًا مع Xcode، وينتج نماذج بتنسيق Core ML الأصلي. بدلاً من ذلك، يمكن تحويل النماذج المدربة باستخدام مكتبات التعلم الآلي الشهيرة الأخرى إلى تنسيق Core ML باستخدام Core ML Tools.
إحدى المزايا الرئيسية لـ Core ML هي معالجة البيانات على الجهاز. هذا النهج لا يعزز خصوصية المستخدم من خلال الاحتفاظ بالبيانات محليًا فحسب، بل يضمن أيضًا استجابة التطبيق من خلال القضاء على الحاجة إلى اتصال بالشبكة. تعمل Core ML على تحسين الأداء بذكاء من خلال الاستفادة من وحدة المعالجة المركزية (CPU) ووحدة معالجة الرسومات (GPU) والمحرك العصبي (Neural Engine) للجهاز، مع تقليل بصمة الذاكرة واستهلاك الطاقة في نفس الوقت. هذا يجعله مثاليًا للتطبيقات في الوقت الفعلي والبيئات محدودة الموارد.
يعمل Core ML كطبقة أساسية للعديد من أطر العمل الخاصة بالمجال، بما في ذلك Vision لتحليل الصور، و Natural Language لمعالجة النصوص، و Speech لتحويل الصوت إلى نص، و Sound Analysis لتحديد الأصوات. يبني على البدائيات منخفضة المستوى مثل Accelerate و BNNS و Metal Performance Shaders لتقديم حسابات فعالة. بالنسبة للتطبيقات التي تستخدم أحدث بنى الذكاء الاصطناعي وتقنيات الاستدلال، يمكن للمطورين استكشاف Core AI.
يوفر إطار العمل أدوات شاملة لإدارة النماذج، بدءًا من الحصول عليها ودمجها في التطبيقات وصولاً إلى تحديث ملفات النماذج وحتى تشفير النماذج لتعزيز الأمان. يدعم أنواعًا مختلفة من النماذج وتنسيقات البيانات، مما يوفر المرونة لتطبيقات التعلم الآلي المتنوعة. يسمح تجريد جهاز الحوسبة في Core ML بتوزيع ذكي للأعباء عبر الأجهزة المتاحة، مما يزيد من تحسين الأداء والكفاءة.
- الفئةMLOps ونشر النماذج
- النشرسحابي
- المنصاتiOS, macOS
الميزات الأساسية لـ Core ML
دمج نماذج التعلم الآلي على الجهاز
تمثيل موحد للنماذج
التدريب والضبط الدقيق على الجهاز
أداء محسّن باستخدام وحدة المعالجة المركزية (CPU) ووحدة معالجة الرسومات (GPU) والمحرك العصبي (Neural Engine)
تقليل بصمة الذاكرة واستهلاك الطاقة
تعزيز خصوصية المستخدم من خلال معالجة البيانات المحلية
أساس لأطر عمل Vision و Natural Language و Speech و Sound Analysis
دعم تحويل النماذج من مكتبات تعلم آلي أخرى
قدرات تشفير النماذج
تنزيل وتجميع النماذج ديناميكيًا في وقت التشغيل
دعم نماذج التصنيف للبيانات الجدولية والصور والنصوص
تجريد لأجهزة الحوسبة (CPU، GPU، Neural Engine)
معالجة الموترات والعمليات الرياضية
البدء مع Core ML
الحصول على نموذج Core ML: احصل على نموذج تعلم آلي مدرب مسبقًا أو تم بناؤه خصيصًا.
دمج النموذج في التطبيق: أضف ملف نموذج Core ML إلى مشروع Xcode الخاص بك.
تحميل وإعداد البيانات: قم بتحميل النموذج وإعداد بيانات الإدخال بالتنسيق الصحيح.
إجراء التنبؤات: قم بتمرير بيانات الإدخال إلى النموذج باستخدام واجهات برمجة تطبيقات Core ML للحصول على التنبؤات.
معالجة التنبؤات: قم بتفسير واستخدام مخرجات النموذج داخل تطبيقك.
تحسين الأداء: قم بتكوين أجهزة الحوسبة والسياسات للتنفيذ الفعال.
ضبط النموذج (اختياري): أعد تدريب النموذج أو اضبطه على الجهاز باستخدام بيانات المستخدم.
حالات استخدام Core ML
- تحليل الصور
- معالجة اللغة الطبيعية
- التعرف على الكلام
- تحديد الأصوات
- توصيات مخصصة
- اكتشاف الكائنات في الوقت الفعلي
- تصنيف البيانات الجدولية
