本書では、Appleが提供するフレームワーク「Core ML」「Create ML」「Turi Create」、Googleが提供するフレームワーク「ML Kit」「Cloud AutoML」「TensorFlow」を取り上げています。これらのフレームワークには、すでに学習済みの推論モデルが準備され、データを用意すれば画像分類などが手軽に行えるものから、簡単なステップで自身で活用したい推論モデルを作成できるものまで、それぞれに特徴があります。 それらを踏まえ、フレームワークごとにサンプルプログラムを作りながら、それぞれの詳細を解説しています。 iPhone/Androidのアプリ開発の経験者を対象に、これから機械学習をはじめる方から読めるように構成しています。 第1章　機械学習とフレームワーク 　1-1　機械学習の概要 　1-2　Core ML 　1-3　Create ML 　1-4　Turi Create 　1-5　ML Kit 　1-6　Cloud AutoML 　1-7　TensorFlow 第2章　Core ML - 基本 　2-1　画像分類（画像） 　2-2　画像分類（カメラ映像） 　2-3　類似画像検索 　2-4　物体検出 　2-5　画風変換 　2-6　活動分類 　2-7　テキスト分類 第3章　Core ML - Vision・Natural Language 　3-1　顔検出 　3-2　バーコード検出 　3-3　テキスト検出 　3-4　水平線検出 　3-5　物体移動トラッキング 　3-6　自然言語処理 第4章　Create ML 　4-1　画像分類 　4-2　テキスト分類 　4-3　分類 　4-4　回帰 第5章　Turi Create - タスクベース 　5-1　Pythonの開発環境 　5-2　Jupyter Notebook 　5-3　画像分類 　5-4　類似画像検索 　5-5　物体検出 　5-6　画風変換 　5-7　活動分類 　5-8　テキスト分類 　5-9　レコメンド 第6章　Turi Create - アルゴリズムベース 　6-1　分類 　6-2　回帰 　6-3　クラスタリング 　6-4　グラフ分析 　6-5　テキスト分析 第7章　ML Kit 　7-1　ML Kitの準備 　7-2　画像分類（画像） 　7-3　画像分類（カメラ映像） 　7-4　顔検出 　7-5　バーコード検出 　7-6　ランドマーク認識 　7-7　テキスト認識 　7-8　カスタムモデル 第8章　Cloud AutoML 　8-1　画像分類（Vision） 　8-2　テキスト分類（Natural Language） 　8-3　翻訳（Translation） 　8-4　AutoML API 第9章　TensorFlow 　9-1　画像分類 　9-2　テキスト分類 　9-3　過学習と未学習 　9-4　FrozenGraphDefへの変換 　9-5　mlmodelファイルへの変換 　9-6　tfliteファイルへの変換