AIと機械学習
フィルタリングは適用されていません
ビデオを絞り込む
35:08 M5およびA19のGPUでグラフィックパフォーマンスを向上
34:26 M5とA19のGPUで機械学習のワークロードを加速
23:48 TabularDataを使ったSwiftでのデータの分析と操作
14:52 Xcodeのエージェントを活用したアプリの翻訳
20:43 Core AIについて
13:37 MLXを利用したMac上でのローカルのエージェントAIの実行
21:28 エージェント型アプリに対する信頼性の高い評価プロセスの確立
24:08 SiriおよびApple Intelligence向けの高度なApp Intent機能
17:45 アプリにビジュアルインテリジェンスを統合するためのベストプラクティス
11:02 ショートカットの新機能
22:16 Metalによるリアルタイムのニューラルレンダリングパイプラインの構築
14:11 Image Playgroundによる高品質な画像の生成
27:54 「サイバーパンク2077」のMacへのポーティング
25:57 AppIntentsTestingによるApp Intentの利用状況の検証
29:21 Core AIモデルのオーサリングと最適化の詳細
62:29 「コーディングインテリジェンス、機械学習、AI」グループラボ
63:55 「Apple Intelligence」グループラボ
16:36 fm CLIとPython SDKによるAI活用型スクリプトの作成
23:44 Core AIによるオンデバイスのAIモデルのアプリへの統合
18:11 Xcodeのエージェントを使用したUIプロトタイプの作成
26:41 Evaluationsを活用した山登り法によるプロンプトの改善
62:41 「機械学習とAI」グループラボ
14:20 Instrumentsによる、エージェントを活用したアプリ体験のデバッグとプロファイリング
25:46 Evaluationsフレームワークについて
21:13 Foundation Modelフレームワークの新機能
15:46 画像理解の新機能
16:40 Music Understandingフレームワークについて
18:02 App Intentフレームワークの新機能
20:41 Foundation ModelフレームワークへのLLMプロバイダーの導入
16:25 Core Spotlightを利用したLLM検索
28:00 エージェントコーディングによるゲームの迅速なポーティング
10:58 プライベートクラウドコンピューティングによるApple Foundation Model の活用
24:20 Code Along：アプリをSiriに対応させる方法
27:23 App SchemaによるインテリジェントなSiri体験の構築
25:12 アプリの保護：エージェント型機能によるリスクの軽減
22:06 MLXによる分散推論と分散トレーニング
15:58 visionOSアプリと空間Web向けのイマーシブ環境のデザイン
21:43 Foundation Modelフレームワークによる、エージェントを活用したアプリ体験の構築
14:31 MLXを活用したSwiftでの数値計算
16:13 Metalテンソルによるカスタム機械学習オペレーションの最適化
87:52 Apple IntelligenceとXcodeの内側：スペシャルプレゼンテーション
Code Along：Foundation Modelフレームワーク
近日公開
103:37 Code Along：Foundation Modelフレームワーク
19:07 SpeechAnalyzer：高度な音声テキスト変換をアプリに追加
20:22 Visionフレームワークによるドキュメントの読み込み
23:24 Foundation Modelフレームワークの紹介
19:27 Appleプラットフォームでの機械学習／AIフレームワーク
32:59 InstrumentsによるCPUのパフォーマンス最適化
22:11 オンデバイス基盤モデルのためのプロンプトの設計と安全性の詳細
25:31 Foundation Modelフレームワークの詳細
19:29 AppleシリコンでのMLXの導入
29:40 Metal 4による機械学習とグラフィックスの統合
18:56 App Intentを使用したショートカットおよびSpotlight向け機能の開発
24:36 App Intentの基礎知識
30:32 Code Along：Foundation Modelフレームワークによる、アプリへのオンデバイスAIの組み込み
23:45 BNNS Graphの新機能
7:28 インタラクティブなスニペットのデザイン
20:08 MLX：Appleシリコンでの大規模言語モデルの実行
17:54 作文ツールの詳細
26:49 App Intentの最新テクノロジーの詳細
18:15 Core MLを使用してデバイス上に機械学習モデルとAIモデルをデプロイ
12:24 Writing Toolsの導入
17:56 App Intentの新機能
11:32 Create MLの新機能
17:33 Appleプラットフォームでの機械学習の詳細
16:06 DockKitの新機能
9:19 システムの利便性を高めるApp Intentのデザイン
21:49 アプリをSiri対応にするための方法
10:55 Core Spotlightによるセマンティック検索のサポート
16:31 Translation APIについて
22:49 ロック画面での優れたカメラキャプチャ体験の構築
34:29 HDRを使用してアプリのダイナミックイメージ体験を向上
18:21 Apple GPUでの機械学習モデルとAIモデルのトレーニング
17:01 visionOSにおけるオブジェクトトラッキングの詳細
16:49 VisionフレームワークにおけるSwiftの機能強化
26:02 App Intentでアプリのコア機能をユーザーに提供
23:48 すべてのキャプチャで色の一貫性を維持
21:18 visionOS向けエンタープライズAPIのご紹介
20:03 CPUでリアルタイムのML推論をサポート
30:09 機械学習とAIモデルをAppleシリコンに統合
25:06 Metalによる機械学習の加速
Q&A: Machine learning open forum
14:25 マルチリンガルな自然言語モデルの紹介
14:38 Visionの3Dボディーポーズと人物セグメンテーションの詳細
Q&A: Image understanding and the Vision framework
16:50 Create MLにおける機械学習強化
Q&A: Natural Language and Speech
Q&A: Core ML
18:38 アプリ内の画像からの被写体の切り抜き
Q&A: Machine learning open forum
21:15 Metalアプリにおける機械学習の最適化
17:35 DockKitを利用した電動iPhoneスタンドとの統合
Q&A: Live Text and data scanning
7:52 デバイス上の音声認識のカスタマイズ
Q&A: Machine learning open forum
25:18 Core ML Toolsを使った機械学習モデルの圧縮法
Q&A: Create ML
23:21 非同期予測によるCore ML統合の改善方法
19:56 VisionKitの新機能
Q&A: Subject lifting
13:47 Visionで動物のポーズを検出
Q&A: Machine learning open forum
Meet the Presenter: Get to know Create ML Components
25:31 Create ML Componentsについて学ぶ
Q&A: Create ML
12:11 VisionKitで機械可読コードやテキストをキャプチャする
16:46 Create MLの最新情報
Meet the Presenter: Compose advanced models with Create ML Components
13:25 Create ML Componentsで高度なモデルを作成する
23:30 Core MLの使用を最適化する
Q&A: Core ML
19:48 Visionの最新情報
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 機械学習を組み込んだAppの開発手法
29:51 Metalで機械学習を加速する
36:34 インクルーシブなデザインのプロセス
26:49 Create MLによる手のポーズや動作の識別
19:16 SoundAnalysisのビルトイン音声識別
32:44 見つけやすいデザイン
16:49 Create MLフレームワークを使ったダイナミックなiOS Appの構築
17:58 Visionによる人物、顔、ポーズの検出
19:12 Visionによるドキュメントデータの抽出
14:22 Accelerateを使用したパフォーマンス改善と暗号化アーカイブの組み込み
24:30 Core MLモデルのチューニング
29:12 Metal Performance Shaders Graphによる機械学習の加速
24:21 Visionで身体や手のポーズを検出する
26:06 Create MLを使用したアクションクラシファイアの構築
24:42 Core MLでのモデルの配布とセキュリティ
36:27 Action & Vision Appの探求
24:35 Computer Vision APIの探求
41:04 Natural LanguageでAppをよりスマートに
11:48 Create MLにおけるImage and Video Style Transferモデルの作成
18:39 Swiftを使用したCreate MLでのトレーニング管理
31:16 Core ML Convertersを使用したデバイス上のモデルの取得
39:35 Metal Performance Shaders GraphでカスタムMLモデルを構築する
14:49 機械学習における新機能
6:10 音声認識の最新情報
20:11 Create MLで音声識別モデルをトレーニングする
15:41 Create MLでオブジェクト検出モデルをトレーニングする
Create ML for Object Detection and Sound Classification
39:50 Understanding Images in Vision Framework
29:43 Core MLとARKitを使用して優れたAppを作成する
41:25 機械学習のためのMetal
39:19 Natural Languageフレームワークの最新情報
Create ML for Activity, Text, and Recommendations
10:31 Create MLでレコメンデーションモデルをトレーニングする
15:01 Create MLでアクティビティ識別モデルを構築する
12:05 Create MLでテキスト識別モデルをトレーニングする
14:34 Create ML Appの紹介
38:15 Visionフレームワークでのテキスト認識
40:38 Core ML 3フレームワーク
57:45