AI 与机器学习
当前未筛选
筛选视频
35:08 使用 M5 和 A19 GPU 提升图形性能
34:26 使用 M5 和 A19 GPU 加速机器学习工作负载
23:48 使用 TabularData 在 Swift 中探索和处理数据
16:36 使用 fm CLI 和 Python SDK 构建 AI 驱动的脚本
20:43 了解 Core AI
14:52 使用 Xcode 中的智能体翻译你的 App
24:20 跟随编程：让你的 App 支持 Siri
15:58 为 visionOS App 和空间网络设计沉浸式环境
16:13 使用 Metal 张量优化自定机器学习运算
20:41 将 LLM 提供平台引入 Foundation Models 框架
18:02 探索 App Intents 框架的新功能
16:25 使用 Core Spotlight 进行 LLM 搜索
21:28 为智能体 App 打造稳健的评估
24:08 探索适用于 Siri 和 Apple 智能的 App Intents 高级功能
11:02 快捷指令的新功能
62:29 编码智能、机器学习与 AI 小组实验室
63:55 Apple 智能小组实验室
21:43 使用 Foundation Models 框架构建智能体 App 体验
22:16 使用 Metal 构建实时神经网络渲染管线
17:45 将视觉智能整合到 App 中的最佳做法
13:37 使用 MLX 在 Mac 上本地运行 AI 智能体
62:41 机器学习与 AI 小组实验室
22:06 使用 MLX 探索分布式推理和训练
28:00 通过智能体编码加速你的游戏移植进程
14:11 使用 Image Playground 制作高质量图像
25:12 保护你的 App：智能体功能的风险缓解
29:21 深入探索 Core AI 模型编写与优化
14:31 使用 MLX 探索 Swift 中的数值计算
25:57 使用 AppIntentsTesting 验证你的 App Intents 采用情况
10:58 通过专用云计算充分利用 Apple Foundation Model
25:46 了解 Evaluations 框架
27:23 使用 App Schemas 打造智能 Siri 体验
14:20 使用 Instruments 调试和分析智能体 App 体验
18:11 使用 Xcode 中的智能体创建 UI 原型
21:13 Foundation Models 框架的新功能
15:46 图像理解方面的新动向
16:40 了解 Music Understanding 框架
27:54 “赛博朋克 2077”登陆 Mac
23:44 利用 Core AI 将设备端 AI 模型整合到你的 App 中
26:41 通过爬山法评估优化你的提示词
87:52 Apple 智能与 Xcode 揭秘：特别讲座
跟随编程之 Foundation Models 框架篇
即将推出
103:37 跟随编程之 Foundation Models 框架篇
19:07 借助 SpeechAnalyzer 将先进的语音转文本功能引入 App
20:22 使用 Vision 框架读取文档
23:24 了解 Foundation Models 框架
19:27 探索 Apple 平台上的机器学习和 AI 框架
32:59 通过 Instruments 优化 CPU 性能
22:11 探索设备端基础模型的提示设计和安全
25:31 深入了解 Foundation Models 框架
19:29 开始使用适用于 Apple 芯片的 MLX
29:40 实现 Metal 4 机器学习与图形应用程序的完美融合
18:56 使用 App Intents 针对“快捷指令”和“聚焦”进行开发
24:36 了解 App Intents
30:32 跟着视频学编程：使用 Foundation Models 框架将设备端 AI 引入你的 App
23:45 BNNS Graph 的新功能
7:28 设计交互式摘要卡片
20:08 借助 MLX 在 Apple 芯片上探索大语言模型
17:54 深入了解写作工具
26:49 探索 App Intents 中的最新改进
18:15 利用 Core ML 在设备端部署机器学习和 AI 模型
12:24 开始使用 Writing Tools
17:56 App Intents 的新功能
11:32 Create ML 的新功能
17:33 在 Apple 平台上探索机器学习
16:06 DockKit 的新功能
9:19 利用 App Intents 设计提升系统体验
21:49 带你的 App 登陆 Siri
10:55 使用 Core Spotlight 支持语义搜索
16:31 了解 Translation API
22:49 打造出色的锁定屏幕相机拍摄体验
34:29 利用 HDR 为 App 打造动态图像体验
18:21 基于 Apple GPU 训练机器学习和 AI 模型
17:01 探索适用于 visionOS 的对象追踪
16:49 探索 Vision 框架中的 Swift 增强功能
26:02 利用 App Intents 为用户奉上 App 的核心功能
23:48 确保拍摄的画面在颜色上保持一致
21:18 为你介绍适用于 visionOS 的企业 API
20:03 在 CPU 上助力实现实时 ML 推理
30:09 将机器学习和 AI 模型移植到 Apple 芯片
25:06 利用 Metal 加快机器学习
Q&A: Machine learning open forum
14:25 探索自然语言多语言模型
14:38 在 Vision 中探索 3D 人体位姿和人像分隔
Q&A: Image understanding and the Vision framework
16:50 探索 Create ML 中的机器学习更新
Q&A: Natural Language and Speech
Q&A: Core ML
18:38 在你的 App 中提取图像主题
Q&A: Machine learning open forum
21:15 为 Metal App 优化机器学习
17:35 使用 DockKit 与电动 iPhone 支架集成
Q&A: Live Text and data scanning
7:52 自定义设备上的语音识别
Q&A: Machine learning open forum
25:18 使用 Core ML Tools 进行机器学习模型压缩
Q&A: Create ML
23:21 使用异步预测改进 Core ML 集成
19:56 VisionKit 的新功能
Q&A: Subject lifting
13:47 在 Vision 中检测动物体态
Q&A: Machine learning open forum
Meet the Presenter: Get to know Create ML Components
25:31 了解 Create ML 组件
Q&A: Create ML
12:11 利用 VisionKit 捕捉机器可读的代码和文本
16:46 Create ML 的新功能
Meet the Presenter: Compose advanced models with Create ML Components
13:25 利用 Create ML 组件构建高级模型
23:30 优化您的 Core ML 使用情况
Q&A: Core ML
19:48 Vision 的新功能
Q&A: Vision
Meet the Presenter: Accelerate machine learning with Metal
Meet the Presenter: Create custom catalogs at scale with ShazamKit
Meet the Presenter: Explore the machine learning developer experience
17:19 探索机器学习开发体验
29:51 利用 Metal 为机器学习加速
36:34 包容性设计过程
26:49 使用 Create ML 将手势和动作分类
19:16 探索 SoundAnalysis 中内置的声音分类
32:44 可被发现的设计
16:49 使用 Create ML 框架构建动态 iOS App
17:58 使用 Vision 检测人物、面孔和姿势
19:12 用 Vision 提取文稿数据
14:22 使用 Accelerate 提高性能并纳入加密档案
24:30 调整您的 Core ML 模型
29:12 使用 Metal Performance Shaders Graph 加快机器学习速度
24:21 使用 Vision 侦测身体与手部位姿
26:06 用 Create ML 构建 Action Classifier
24:42 在 Core ML 中使用模型部署及安全性
36:27 探索 Action & Vision app
24:35 探索计算机视觉 API
41:04 借助自然语言让 app 更聪明
11:48 在 Create ML 中构建图片 和视频风格转让模型
18:39 使用 Swift 在 Create ML 中进行控制训练
31:16 使用 Core ML 转换器 为设备获取模型
39:35 用 Metal Performance Shaders 图形 构建自定义 ML 模型
14:49 机器学习的新功能
6:10 语音识别改进
20:11 在 Create ML 中训练声音分类模型
15:41 在 Create ML 中训练对象检测模型
Create ML for Object Detection and Sound Classification
39:50 Understanding Images in Vision Framework
29:43 利用 Core ML 和 ARKit 创建出色的 App
41:25 Metal 助力机器学习
39:19 自然语言框架改进
Create ML for Activity, Text, and Recommendations
10:31 在 Create ML 中训练推荐模型
15:01 在 Create ML 中构建活动分类模型
12:05 在 Create ML 中训练文本分类器
14:34 Create ML App 简介
38:15 计算机视觉框架中的文本识别
40:38 Core ML 3 框架
57:45