論文の概要: TMIC: App Inventor Extension for the Deployment of Image Classification Models Exported from Teachable Machine

• arxiv url: http://arxiv.org/abs/2208.12637v2
• Date: Tue, 30 Aug 2022 22:08:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 10:46:30.953341
• Title: TMIC: App Inventor Extension for the Deployment of Image Classification Models Exported from Teachable Machine
• Title（参考訳）: TMIC:Teachable Machineからエクスポートされた画像分類モデルのデプロイのためのApp Inventorエクステンション
• Authors: Fabiano Pereira de Oliveira, Christiane Gresse von Wangenheim, Jean C. R. Hauck
• Abstract要約: TMICは、Google Teachable Machineで開発された画像分類のためのMLモデルのデプロイのためのApp Inventor拡張である。 MLをK-12で教えたり、高等教育の入門コースで教えたり、画像分類によるアプリ作成に興味のある人なら誰でも利用できる。
• 参考スコア（独自算出の注目度）: 1.052782170493037
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: TMIC is an App Inventor extension for the deployment of ML models for image classification developed with Google Teachable Machine in educational settings. Google Teachable Machine, is an intuitive visual tool that provides workflow-oriented support for the development of ML models for image classification. Aiming at the usage of models developed with Google Teachable Machine, the extension TMIC enables the deployment of the trained models exported as TensorFlow.js to Google Cloud as part of App Inventor, one of the most popular block-based programming environments for teaching computing in K-12. The extension was created with the App Inventor extension framework based on the extension PIC and is available under the BSD 3 license. It can be used for teaching ML in K-12, in introductory courses in higher education or by anyone interested in creating intelligent apps with image classification. The extension TMIC is being developed by the initiative Computa\c{c}\~ao na Escola of the Department of Informatics and Statistics at the Federal University of Santa Catarina/Brazil as part of a research effort aiming at introducing AI education in K-12.
• Abstract（参考訳）: TMICは、Google Teachable Machineで開発された画像分類のためのMLモデルのデプロイのためのApp Inventorエクステンションである。 Google Teachable Machineは、イメージ分類のためのMLモデルの開発にワークフロー指向のサポートを提供する、直感的なビジュアルツールである。 Google Teachable Machineで開発されたモデルの利用を前提として、拡張TMICは、K-12でコンピューティングを教える最も人気のあるブロックベースのプログラミング環境であるApp Inventorの一部として、TensorFlow.jsとしてエクスポートされたトレーニング済みモデルをGoogle Cloudにデプロイすることを可能にする。 この拡張は、拡張PICに基づいたApp Inventor拡張フレームワークで作成され、BSD 3ライセンスの下で利用可能である。 k-12でのml教育、高等教育の入門コース、画像分類によるインテリジェントアプリの作成に興味のある人なら誰でも利用できる。 この拡張TMICは、K-12でAI教育を導入する研究の一環として、サンタカタリーナ・ブラジル連邦大学の情報学・統計学部門のComputa\c{c}\~ao na Escolaによって開発されている。

関連論文リスト

• asanAI: In-Browser, No-Code, Offline-First Machine Learning Toolkit [0.0]
  asanAIは、あらゆるスキルレベルのユーザ向けに設計された、オフラインファーストでオープンソースの、ノーコード機械学習ツールキットである。 個人は、Webブラウザから直接MLモデルを設計、デバッグ、トレーニング、テストすることができる。 このツールキットは、スマートフォンを含む最新のWebブラウザを持つあらゆるデバイス上で動作し、ローカルな計算によってユーザのプライバシを保証する。
  論文  参考訳（メタデータ） (2025-01-07T12:47:52Z)
• BlenderLLM: Training Large Language Models for Computer-Aided Design with Self-improvement [45.19076032719869]
  我々は,大規模言語モデル(LLM)をCAD(Computer-Aided Design)で訓練するフレームワークであるBlenderLLMを提案する。 以上の結果から,既存のモデルではCADスクリプトの正確な生成に重大な制限があることが明らかとなった。 命令ベースの微調整と反復的な自己改善によって、BlenderLLMはCADスクリプト生成の機能と精度の両方においてこれらのモデルを大幅に上回っている。
  論文  参考訳（メタデータ） (2024-12-16T14:34:02Z)
• FSM Builder: A Tool for Writing Autograded Finite Automata Questions [0.5018156030818883]
  FSM Builderは、学生がグラフィカルエディタを使ってDFAやNFAの構築を実践できる新しい教育ツールである。 これらを生成するアルゴリズムは、以前の研究に強くインスパイアされている。 複数の大規模コースでこのツールを使用した経験から,ツールの実装,従来のツールとどのように際立っているか,といった点について論じる。
  論文  参考訳（メタデータ） (2024-05-02T20:25:25Z)
• ModelScope-Agent: Building Your Customizable Agent System with Open-source Large Language Models [74.64651681052628]
  本稿では,オープンソースのLCMをコントローラとする実世界のアプリケーションのためのカスタマイズ可能なエージェントフレームワークであるModelScope-Agentを紹介する。 ユーザフレンドリーなシステムライブラリを提供し、カスタマイズ可能なエンジン設計により、複数のオープンソースLLMでモデルトレーニングをサポートする。 ツール使用データ収集、ツール検索、ツール登録、メモリ制御、カスタマイズされたモデルトレーニング、評価にまたがる包括的なフレームワークが提案されている。
  論文  参考訳（メタデータ） (2023-09-02T16:50:30Z)
• ToolLLM: Facilitating Large Language Models to Master 16000+ Real-world APIs [104.37772295581088]
  オープンソースの大規模言語モデル(LLM)、例えばLLaMAは、ツール使用能力に大きく制限されている。 データ構築、モデルトレーニング、評価を含む汎用ツールであるToolLLMを紹介する。 ツール使用のためのインストラクションチューニングフレームワークであるToolBenchを,ChatGPTを使って自動構築する。
  論文  参考訳（メタデータ） (2023-07-31T15:56:53Z)
• CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
  我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。 我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。 CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
  論文  参考訳（メタデータ） (2023-05-31T05:24:48Z)
• Toolformer: Language Models Can Teach Themselves to Use Tools [62.04867424598204]
  言語モデル(LM)は、特に大規模において、いくつかの例やテキスト命令から新しいタスクを解く素晴らしい能力を示す。 LMは、シンプルなAPIを通じて外部ツールの使用を自覚し、両方の世界のベストを達成できることを示します。 Toolformerは、どのAPIを呼び出すか、いつ呼び出すか、どの引数を渡すか、結果を将来のトークン予測に最もうまく組み込む方法を訓練したモデルです。
  論文  参考訳（メタデータ） (2023-02-09T16:49:57Z)
• Widening Access to Applied Machine Learning with TinyML [1.1678513163359947]
  我々は,Tiny Machine Learning (TinyML)上で,大規模なオープンオンラインコース (MOOC) を通じて応用機械学習 (ML) へのアクセスを増やすための教育的アプローチについて述べる。 この目的のために、学界(ハーバード大学)と産業(Google)の協力により、TinyMLを使ってソリューションを開発するためのアプリケーション指向の指導を提供する4つのMOOCが作成された。 このシリーズは、edX MOOCプラットフォームで公開されており、基本的なプログラミング以上の前提条件がなく、世界中のさまざまなバックグラウンドから学習者向けに設計されている。
  論文  参考訳（メタデータ） (2021-06-07T23:31:47Z)
• AutoGL: A Library for Automated Graph Learning [67.63587865669372]
  グラフ上での機械学習を自動化するための,最初の専用ライブラリであるAutomated Graph Learning(AutoGL)を紹介する。 AutoGLはオープンソースで、使いやすく、拡張も柔軟です。 また、パイプラインのカスタマイズとアプリケーションの強化を容易にする、AutoGLの軽量バージョンであるAutoGL-lightも紹介します。
  論文  参考訳（メタデータ） (2021-04-11T10:49:23Z)
• Transfer Learning Based Automatic Model Creation Tool For Resource Constraint Devices [1.0330395403064265]
  そこで本研究では,機械学習コードを記述することなく,トランスファー学習を用いた制約装置用カスタムモデルの自動生成手法を提案する。 自動モデル作成ツールのアーキテクチャと、YAMNetやMobileNetV2などのトレーニング済みモデルを機能抽出器として使用して作成したCNNモデルを共有します。
  論文  参考訳（メタデータ） (2020-12-18T05:38:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。