Como treinar um modelo de machine learning no iPad, sem Mac e sem código

Antes, treinar seu próprio modelo significava ter um computador, ferramentas especiais e muita configuração. Com um iPad com chip M1 ou posterior, o MagicaLCore coloca todo o processo em um só app: você traz os exemplos, treina, testa e exporta um modelo que pode usar no seu próprio app.

Este guia mostra tudo do começo ao fim, com os hábitos que fazem a diferença entre um modelo que funciona em uma demonstração e um que funciona na vida real.

1. Escolha o tipo certo de modelo

Comece pela pergunta que você quer que o modelo responda. O MagicaLCore treina seis tipos de modelos:

Modelo	Ele responde	Exemplo
Imagem	O que tem nesta foto?	Fruta madura ou verde, tipos de folhas
Som	Que som é este?	Cantos de pássaros, instrumentos, uma batida na porta
Dados tabulares	Qual categoria, ou qual número, a partir destas colunas?	Prever uma altura a partir da mão, do pé e da envergadura
Texto	Sobre o que é este texto, ou que tom ele tem?	Organizar mensagens por assunto
Pose da mão	Que sinal parado da mão é este?	Pedra, papel ou tesoura
Ação da mão	Que movimento da mão aparece neste vídeo?	Gestos curtos em um vídeo

Se a sua pergunta se encaixa em um destes, o iPad é tudo de que você precisa.

2. Colete bons exemplos

A qualidade de um modelo sempre depende dos seus dados. Algumas regras que ajudam com qualquer tipo de modelo:

• Uma pasta por classe. O nome da pasta vira o rótulo: madura, verde. Para dados tabulares, use um arquivo CSV com uma coluna para o valor que você quer prever.
• Variedade vale mais que quantidade. Fotos de ângulos diferentes, com luz e fundos diferentes. Sons gravados em cômodos diferentes.
• Mantenha as classes equilibradas. Quantidades parecidas de exemplos por classe. Um modelo treinado com 10 fotos de uma coisa e 1.000 de outra aprende a chutar a classe maior.
• Colete o que o modelo vai ver. Se o seu app vai usar a câmera do iPad ao ar livre, treine com fotos tiradas com uma câmera parecida, ao ar livre.
• Separe alguns exemplos. Exemplos que o modelo nunca viu durante o treinamento são o jeito honesto de testá-lo.

3. Configure o treinamento, com cada ajuste explicado

Você pode treinar com os ajustes padrão e ter um primeiro modelo útil. Quando quiser mais controle, o MagicaLCore mostra cada ajuste com um botão de informação que explica em palavras simples para que ele serve. Você aprende o vocabulário do machine learning enquanto usa, em vez de adivinhar.

4. Veja como ele aprende

Enquanto treina, o MagicaLCore desenha a precisão e a perda dos dados de treinamento e validação, iteração por iteração. Duas coisas para observar:

• As duas precisões sobem juntas: o modelo está aprendendo coisas que também funcionam em exemplos que ele não decorou.
• A precisão de treinamento continua subindo enquanto a de validação estaciona: o modelo está decorando. Exemplos mais variados costumam ajudar mais do que mais iterações.

Treinamento longo e uma aula curta ou um dia corrido? Pause e continue depois pelo Histórico, exatamente de onde parou.

5. Teste como um usuário faria

Os números são um começo, mas o teste de verdade é experimentar o modelo com exemplos novos. O MagicaLCore permite testar com suas próprias fotos, arquivos de áudio, uma linha de dados ou uma frase, ou ao vivo com a câmera e o microfone. Experimente os casos difíceis: pouca luz, barulho de fundo, um ângulo incomum. Cada erro mostra quais exemplos adicionar em seguida.

6. Exporte um .mlmodel de verdade

Quando estiver satisfeito, exporte um arquivo .mlmodel com nome, autor e descrição. É o formato padrão que o Xcode e o Swift Playgrounds entendem, então você pode colocá-lo dentro de um app para iPhone ou iPad. O guia Utilize o seu modelo do MagicaLCore mostra o código para cada tipo de modelo.

Por que no iPad?

• Sem Mac. Treine, teste e exporte no mesmo dispositivo. Com o Swift Playgrounds, você pode até criar o app nele.
• Privado desde o início. Treinar, testar e exportar acontece tudo no iPad. Seus datasets nunca são enviados para treinar um modelo.
• Vai aonde você for. Uma saída de campo, um jardim, uma sala de aula: você pode coletar exemplos e treinar no mesmo lugar.

Checklist rápido: uma pasta por classe, exemplos variados e equilibrados, alguns separados para teste, teste os casos difíceis e depois exporte.