トピックガイド
AI と機械学習
Apple Intelligence、Foundation Models、Core ML、Vision と、プライバシーを保ちながら高機能な機械学習機能を提供する実践的な方法を紹介します。
このトピックでは、Apple のモデルフレームワークと、それを適切に使うための製品判断を結び付けます。デバイス上とクラウドのモデル、tool calling、評価、コンピュータビジョン、モデル変換、実際のアプリを形作るプライバシーとパフォーマンスの制約を取り上げます。
- セッション
- 76
- 2026
- 38
- 2025
- 17
- 2024
- 21
このトピックの内容
- Foundation Models と Apple Intelligence
- Core ML、Vision、モデル最適化
- 評価、プライバシー、Agentic 体験
WWDC 2026
38 セッション- Agentic Coding でゲーム移植を高速化Game Porting Toolkit 4 の新しい Agentic Skill を使い、Apple プラットフォームへのゲーム移植を大幅に高速化します。AI コーディングアシスタントと連携し、Metal 4 の導入、MetalFX の統合、Apple ハードウェア向けのゲーム調整を行う方法を紹介します。Agent が Metal デバッグツールで GPU…
- Agentic アプリ向けの堅牢な評価を作成Evaluations フレームワークの高度な機能を活用し、アプリ向けの堅牢な評価を構築する方法を学びます。tool calling と動的条件を含むフローの評価と、用途における正しい動作の定義方法を紹介します。合成データの生成、judge の効果的な利用、信頼できる結果を得るデータセット検証も説明します。
- App Intents フレームワークの新機能を紹介高度な機能で App Intents の導入を強化し、高速性、柔軟性、関連性を高めます。ValueRepresentation と RelevantEntities でコンテンツを見つけやすくし、アプリ間で移動可能にする仕組み、EntityCollection による性能向上、SyncableEntity によるデバイス間の拡張を説明します。共用体値などの豊かなパラメータ型と、キャンセルを適切に処理する長時間実行…
- App Schemas でインテリジェントな Siri 体験を構築App Intents でアプリのコンテンツとアクションを Siri へ届けます。App Entities でデータをモデル化し、App Schemas を導入して強力なシステムアクションを有効にし、Apple Intelligence による自然言語操作に対応します。セマンティック検索、アプリをまたぐアクション、画面認識とコンテンツ転送を使ったコンテキスト体験の実現方法を紹介します。高速で信頼できる Siri…
- AppIntentsTesting で App Intents の導入を検証Siri、Shortcuts、Spotlight と同じインフラを使って App Intents を検証する新フレームワーク AppIntentsTesting を紹介します。UI 自動化を必要とせず、intent の実行、結果の確認、エンティティとクエリのテストを行えます。View annotation や Spotlight…
- Apple Intelligence と Xcode の舞台裏: 特別プレゼンテーションSteve Jobs Theater で、Apple Intelligence と Xcode の最新の進化を紹介します。Xcode 27 の新しい Agentic Coding ワークフローで開発を高速化する方法と、App Intents によって Siri がコンテキストを理解し、アプリ内で操作する仕組みを学びます。Foundation Models フレームワークによるインテリジェント機能のリリース、Core…
- Apple Intelligence グループラボオンラインで Apple のエンジニアやデザイナーと WWDC26 を詳しく振り返り、質問、相談を行い、今週発表された Apple Intelligence の主な内容について議論します。英語で実施されます。
- Coding Intelligence、機械学習、AI のグループラボオンラインで Apple のエンジニアやデザイナーと WWDC26 を詳しく振り返り、質問、相談を行い、今週発表された Coding Intelligence、機械学習、AI の主な内容について議論します。英語で実施されます。
- Core AI でデバイス上の AI モデルをアプリへ統合新しい Core AI フレームワークで Apple silicon 向けに最適化された、厳選された一般的なオープンソースモデル（Qwen、Mistral、SAM3 など）を紹介します。Mac でモデルをダウンロード、実行、ベンチマークし、わずか数行のコードでアプリへ統合する方法を学びます。モデルのコンパイルとデバイス上での特殊化を行う新しいワークフローで、初回読み込みを高速化します。Xcode の Core AI…
- Core AI の紹介デバイス上への AI モデル配備に対応する Apple の新しいフレームワーク、Core AI を紹介します。モデルの変換、作成、最適化に使う Python ライブラリから、簡単なプラグアンドプレイ推論と厳しいレイテンシおよびメモリ要件を持つ高度な用途向けの Swift API まで、エコシステムを一通り説明します。一般的なアーキテクチャ向けの実行可能なサンプルを含む新しい Core AI models…
- Core AI モデルの作成と最適化を詳しく探る新しい Core AI フレームワークを使い、Apple silicon 向けカスタムモデル配備の全ワークフローを紹介します。カスタム Metal kernel によるモデル作成と、プラットフォームを考慮した圧縮戦略を説明します。新しい Core AI Debugger は詳細な内部分析を提供し、AI 支援ワークフローが最初の構想から最適化されたデバイス上の実行までを案内します。
- Core Spotlight を使った LLM 検索SpotlightSearchTool と LanguageModelSession を使い、基本的な検索を検索拡張システムへ進化させます。Core Spotlight の統合、delegate ベースの hydration パターン、メタデータ品質が検索結果へ与える影響を紹介します。感情分析などのタスクにカスタム PipelineStages…
- Cyberpunk 2077 を Mac へCD PROJEKT RED が Cyberpunk 2077 を Mac へ移植し、macOS の AAA ゲームに新たな基準を築いた舞台裏を紹介します。Apple の堅牢なハードウェア、ソフトウェア、開発ツールを活用し、高忠実度な体験を実現した方法を説明します。同様の手法を自分のゲームへ適用する方法も学びます。革新的な「For this Mac」プリセットにより、Mac…
- Evaluations で山登り法を使いプロンプトを改善比較評価の手法を使い、プロンプト設計を導いてアプリに適したモデルを選ぶ方法を学びます。パフォーマンスのベースライン設定、評価戦略の拡張、ほかのツールと統合するための結果の JSON 変換を紹介します。異なるプロンプト戦略を使い分け、最良の結果へ向けてプロンプトを反復改善する方法も説明します。
- Evaluations フレームワークの紹介Evaluations フレームワークを使い、モデル駆動の体験を評価する方法を学びます。確率的な世界では、単体テストだけでは十分ではありません。指標の定義、出力の自動採点、統計の集約を行い、AI 機能が Apple プラットフォーム全体で確実に動作することを確認する方法を紹介します。
- Foundation Models フレームワークで Agentic なアプリ体験を構築動的コンテキストと Agentic ワークフロー向けの Foundation Models フレームワークプリミティブを使い、インテリジェンス機能をさらに進化させます。共有コンテキストの設計、プライバシー境界の設定、key-value キャッシュの管理を順に説明します。ローカルモデルとサーバモデル間の滑らかな引き継ぎをオーケストレーションする方法も紹介します。
- Foundation Models フレームワークの新機能Foundation Models フレームワークの新機能を紹介します。Private Cloud Compute へのアクセス、サードパーティ製およびオープンソースモデルの統合、視覚機能の利用方法を学びます。コンテキスト管理 API、組み込みセマンティック検索、アプリで Agentic 体験を作るための強力なプリミティブも紹介します。
- Image Playground で高品質な画像を作成Image Playground を使い、アプリで高品質な画像作成を可能にします。Private Cloud Compute 上で動く新しい生成モデルにより、写実的な表現を含むほぼあらゆるスタイルの画像をアプリ内で作れます。さらに多くの場所で使えるよう寸法を指定し、自然言語の説明とタッチで画像を変更できるようにします。Image Playground…
- Instruments で Agentic なアプリ体験をデバッグ、プロファイリングXcode の強化された FoundationModels instrument を使い、Agentic フローの動作を調査してパフォーマンスを最適化します。複数の LanguageModelSessions とプロファイルを活用する高度な用途で、プロンプトの確認、レイテンシの分析、制御フローの追跡を行う方法を学びます。
- LLM プロバイダを Foundation Models フレームワークへ導入新しいモデル向けの LanguageModelExecutor を実装し、Foundation Models フレームワークを拡張します。LanguageModelSession の transcript との連携、セッション状態の効果的な管理、KV キャッシュ利用の最適化を紹介します。カスタムセグメントタイプに対応し、生成 AI 機能の高度な能力を利用する方法も説明します。
- MLX で Swift の数値計算を探るMLX Swift により、NumPy のような計算を Swift でネイティブに実現します。画像処理、tensor 演算、ニューラルネットワークのトレーニングを単一の型安全な環境で扱い、機械学習ワークフローにおける言語間の摩擦をなくす方法を紹介します。使い慣れたコンパイラ、ツール、デバッグ体験を保ちながら GPU アクセラレーションを活用する API を説明します。
- MLX で分散推論とトレーニングを探るMLX を使い、複数の Mac にわたって機械学習ワークロードを拡張します。相互接続の効率、大規模モデル推論、リクエストのバッチ処理、分散トレーニングの課題へ対処する方法を学びます。机上の数台の Mac で、負荷の高い AI ワークロード向けの高価なクラウドインフラを置き換える方法を紹介します。
- MLX を使って Mac 上でローカル Agentic AI を実行プライバシー、低レイテンシ、オフラインアクセスを備えた AI Agent をローカルで実行します。MLX の進化と Mac ハードウェアにより、強力な Agentic ワークフローを完全にデバイス上で実現する仕組みを詳しく紹介します。OpenCode などのコーディング Agent と Xcode への統合、複数の Mac…
- Metal tensor でカスタム機械学習演算を最適化Metal Tensor API と Metal Performance Primitives (MPP) Tensor Ops ライブラリで、強力な機械学習パフォーマンスを活用します。Apple M5 と A19 GPU の Neural Accelerators を利用するポータブルな演算の作成方法を紹介します。Core AI アプリケーション向けのカスタム機械学習 kernel を構築し、量子化データ形式と…
- Metal でリアルタイムニューラルレンダリングパイプラインを構築Metal 4 を使い、機械学習をリアルタイムレンダリングパイプラインへ統合する方法を紹介します。Maxon の Redshift Live による実例を交え、MetalFX のニューラルノイズ除去で製品品質の結果を得る実践的な導入パターンとベストプラクティスを説明します。ML command encoder をグラフィックス処理と並行して使い、ニューラルトーンマッパーをトレーニング、配備する方法を学びます。新しい…
- Music Understanding フレームワークの紹介Music Understanding は、キー、リズム、構成、テンポ、楽器の動き、ラウドネスという 6 つの側面から、デバイス上でオーディオを分析できる新しいフレームワークです。Music Understanding Lab サンプルアプリを使い、各結果を可視化します。
- Private Cloud Compute の新しい Apple Foundation Model で構築Private Cloud Compute では、ユーザーのプライバシーを保護しながら、強力な最先端モデルへアクセスできます。その仕組みと、Foundation Models フレームワークを使ったアクセス方法を紹介します。可用性の確認と、アプリ内で適切なフォールバックを処理するためのベストプラクティスも説明します。
- Shortcuts の新機能アプリのコンテンツを使って強力なショートカットを構築する手法を紹介します。新しい自動化により、アプリとシステムを統合する方法が増えます。新しい「Use Model」transcript 機能で App Entity を LLM…
- Siri と Apple Intelligence 向けの高度な App Intents 機能を探る高度な App Intents API を使い、Siri と連携するアプリ体験を磨きます。音声だけでより多くの操作を可能にし、Apple Intelligence がコンテンツを見つけられるようにして、画面認識のコンテキストを提供し、Siri がアプリ内の状況を理解できるようにする手法を学びます。
- Xcode の Agent を使って UI プロトタイプを作成Xcode の Agent を使い、アプリのプロトタイプを作る方法を学びます。AI でインタラクションを試作し、レイアウトを反復して、デザイン課題に対する創造的な解決策を生成する手法を紹介します。アイデアを批判的に評価し、洗練された利用者中心のアプリ体験へ仕上げる方法も学びます。
- Xcode の Agent を使ってアプリを翻訳Xcode とコーディング Agent がアプリのコンテキストを使い、String Catalog の翻訳を支援する仕組みを紹介します。翻訳結果のレビューとローカライズの反復に関する戦略を順に説明し、世界中の利用者に合う体験を届けられるようにします。
- fm CLI と Python SDK で AI スクリプトを構築macOS で Apple Foundation Models を活用する新しい方法を紹介します。Foundation Models SDK for Python を使い、Python エコシステムの一般的なツールや評価パッケージと統合できます。macOS 27 で導入された新しい fm コマンドを使い、スクリプトを効率化し、モデルワークフローを自動化して、開発プロセスを高速化する方法を説明します。
- visionOS アプリと空間 Web 向け没入型環境をデザインアプリ、Web サイト、SharePlay 体験向けに写実的な visionOS 環境を作る方法を学びます。環境を深く没入できるものにするデザイン原則を紹介し、参照素材の作成や撮影、高忠実度 CG アセットの準備、動きやライティングなどのリアルタイムエフェクトの作成方法を説明します。
- アプリへ Visual Intelligence を統合するベストプラクティスVisual Intelligence がアプリ内のコンテンツ発見を変える方法を紹介します。エンティティの定義、画像の処理、複数の結果タイプの効果的な処理を説明します。速度と関連性を最適化するベストプラクティスと、intent により 1 回のタップでコンテンツを開く、再生するといった直接操作を可能にする方法を学びます。
- アプリを保護: Agentic 機能のリスクを軽減データ流出や意図しない操作など、間接的なプロンプトインジェクションの脅威を評価する方法を紹介します。ユーザー確認、安全なプロンプト設計、認証などの軽減策を含め、App Intents と Foundation Models フレームワークを使うためのシステム保護機能とセキュリティのベストプラクティスを説明します。
- 一緒にコーディング: アプリを Siri で利用可能にするXcode プロジェクトを詳しく確認し、アプリを Siri で利用可能にする方法を紹介します。App Schemas を導入し、カレンダーイベントに関する質問やスケジュール設定などの自然言語操作を可能にする方法を学びます。Spotlight のセマンティックインデックスへコンテンツを提供し、画面認識のコンテキストを渡すためのベストプラクティスも説明します。
- 機械学習と AI のグループラボオンラインで Apple のエンジニアやデザイナーと WWDC26 を詳しく振り返り、質問、相談を行い、今週発表された機械学習と AI の主な内容について議論します。英語で実施されます。
- 画像理解の新機能Vision フレームワークと Foundation Models フレームワークの最新アップデートで、強力な画像理解機能を活用します。新しい tap-to-segment request では新たな方法で画像をセグメント化でき、Vision は watchOS にも対応しました。Apple Foundation Model の新しい画像対応を OCR、バーコードスキャン、独自ツールと組み合わせ、LLM…
WWDC 2025
17 セッション- App Intents で Shortcuts と Spotlight 向けに開発Mac の Shortcuts と Spotlight の新機能でアクションを利用可能にし、最適に動作させる App Intents の構築方法を学びます。Shortcuts アプリで利用できる新しい Apple Intelligence アクションと、アプリのアクションを強力に組み合わせる方法を紹介します。新しい「Use Model」アクションの仕組みとアプリのエンティティとの連携を詳しく説明します。App…
- App Intents の新たな進化を探る今年のリリースで App Intents フレームワークに加わった強化点を紹介します。遅延プロパティなど開発を快適にする改善、インタラクティブな App Intents スニペットやエンティティビューアノテーションなどの新機能、Visual Intelligence の統合方法を学びます。表現力が増し、さらに滑らかに導入できるようになった App Intents を説明します。Spotlight や Visual…
- App Intents を知るApp Intents フレームワークと、Apple の開発者プラットフォームで高まるその重要性を紹介します。intent、エンティティ、クエリなど、中核概念を基礎から説明します。これらが連携し、Spotlight や Shortcuts などのソフトウェア機能からアクションボタンなどのハードウェア機能まで、Apple デバイス全体にアプリを統合する仕組みを学びます。今後 Apple Intelligence…
- Apple silicon 向け MLX 入門MLX は、Apple silicon 上の数値計算と機械学習に対応する柔軟で効率的な配列フレームワークです。ユニファイドメモリ、遅延計算、関数変換などの基本機能を紹介します。Swift API と Python API を使い、Apple プラットフォーム全体で機械学習モデルを構築、高速化する高度な手法も説明します。
- Apple プラットフォームの機械学習と AI フレームワークを紹介Apple プラットフォームで利用できる機械学習および AI フレームワークの最新アップデートを一通り紹介します。Apple Intelligence を活用したいアプリ開発者、デバイス上への配備向けにモデルを最適化する ML エンジニア、可能性の最前線を探る AI 愛好家のいずれにも、ニーズに合うツールを選ぶための指針を示します。
- BNNS Graph の新機能BNNS Graph Builder API では、使い慣れた Swift 言語で演算グラフを記述し、前処理と後処理のルーチンや小規模な機械学習モデルを生成できるようになりました。BNNS は実行前にグラフをコンパイルし、オーディオ処理などリアルタイム性と低レイテンシが求められる用途に対応します。このセッションでは昨年の bit-crusher の例を再び取り上げ、別の Python…
- Foundation Models フレームワークの紹介Apple Intelligence を支えるデバイス上の大規模言語モデルを活用する方法を学びます。Swift データ構造を生成する guided generation、応答性の高い体験を作るストリーミング、データソースを統合する tool calling、コンテキストを管理するセッションまで、全体を概説します。このセッションに前提知識は必要ありません。
- Foundation Models フレームワークを詳しく探るFoundation Models フレームワークをさらに活用します。guided generation の内部動作を学び、ガイド、正規表現、生成スキーマを使って独自の構造化レスポンスを取得します。tool calling を使い、モデルが外部情報へ自律的にアクセスして操作を実行できるようにし、個々の利用者に合う体験を作る方法を説明します。このビデオを最大限に活用するには、まず「Foundation Models…
- Instruments で CPU パフォーマンスを最適化Instruments の 2 つの新しいハードウェア支援ツールを使い、Apple silicon 向けにアプリを最適化する方法を学びます。まずアプリをプロファイリングする方法を説明し、Processor Trace で呼び出されたすべての関数を表示して詳しく分析します。CPU Counters の各モードを使い、コードの CPU ボトルネックを分析する方法も解説します。
- MLX で Apple silicon 上の大規模言語モデルを探るMLX LM は、Apple silicon で大規模言語モデルを簡単かつ効率的に扱えるよう特別に設計されています。最新の大規模言語モデルを Mac 上でファインチューニングして推論を実行する方法と、Swift ベースのアプリケーションやプロジェクトへシームレスに統合する方法を説明します。
- Metal 4 の機械学習とグラフィックスを組み合わせるMetal 4 を使い、機械学習をグラフィックスアプリケーションへシームレスに組み込む方法を学びます。レンダリングや計算処理と並行して GPU タイムライン上でモデルを実行する tensor リソースと ML encoder を紹介します。shader ML でニューラルネットワークをシェーダへ直接組み込み、高度なエフェクトとパフォーマンス向上を実現する方法を説明します。サンプルアプリを使い、Metal 4 ML…
- SpeechAnalyzer で高度な音声テキスト変換をアプリに導入新しい音声テキスト変換用 SpeechAnalyzer API を紹介します。Notes、Voice Memos、Journal などの機能を支える Swift API と、その能力を学びます。音声テキスト変換の仕組みと、SpeechAnalyzer および SpeechTranscriber で高性能な機能を作る方法を詳しく説明します。一緒にコードを書きながら、SpeechAnalyzer…
- Vision フレームワークでドキュメントを読み取るVision フレームワークの最新の進化を紹介します。RecognizeDocumentsRequest を使い、テキスト行の読み取りと段落へのグループ化、表の読み取りなどを行う方法を説明します。カメラレンズの汚れ検出と、写真ライブラリや独自のカメラ撮影パイプラインで汚れている可能性のある画像を特定する方法も詳しく紹介します。
- Writing Tools をさらに詳しく探るWriting Tools を使うと、アプリ内で直接テキストを校正、書き直し、変換できます。アプリ向けに Writing Tools をカスタマイズする高度な手法を学びます。書式設定の選択肢と、リッチテキスト編集との連携を紹介します。カスタムテキストエンジンがある場合は、Writing Tools の全体験をシームレスに統合し、テキストビュー内で直接編集できるようにする方法を学びます。
- インタラクティブなスニペットをデザインスニペットは App Intents から呼び出され、アプリの情報を表示するコンパクトなビューです。ボタンと状態を持つ情報を含められるようになり、intent の一部として操作性を追加して、Siri、Spotlight、Shortcuts アプリへさらに多くの機能を提供できます。レイアウト、タイポグラフィ、操作、intent タイプに関する指針など、スニペットをデザインするためのベストプラクティスを学びます。
- デバイス上の基盤モデル向けプロンプト設計と安全性を探るFoundation Models フレームワークの長所を活かした生成 AI 体験をデザインします。まず、Apple Intelligence の中核となるデバイス上の大規模言語モデル向けにプロンプトを設計する方法を紹介します。続いて AI の安全性に関する主要な考え方と、生成 AI 機能を安全で信頼でき、使って楽しいものにする具体的な戦略を説明します。
- 一緒にコーディング: Foundation Models フレームワークでデバイス上の AI をアプリに導入Foundation Models フレームワークを使い、SwiftUI アプリ向けの生成 AI 機能を開発します。フレームワークの基本を適用し、優れた機能を作るところから始めます。自作ツールでモデルを補完し、結果をストリーミングし、優れたパフォーマンスへ向けてさらに最適化する手順を例に沿って紹介します。
WWDC 2024
21 セッション- App Intents でアプリの主要機能を利用者へ届けるintent、エンティティ、クエリなど App Intents フレームワークの原則と、最も必要とされる場所でアプリの重要な機能を公開するための活用方法を学びます。Siri、コントロールとウィジェット、Apple Pencil、Shortcuts、アクションボタンなど、App Intents…
- App Intents の新機能App Intents の改善点と新機能を紹介し、このフレームワークでアプリの機能を Siri、Spotlight、Shortcuts などへ公開する方法を説明します。Transferable API、File Representations、新しい IntentFile API、Spotlight Indexing を使ってエンティティをプラットフォームにとってより意味のあるものにし、Siri と…
- Apple GPU で機械学習モデルと AI モデルをトレーニングMetal for PyTorch、JAX、TensorFlow を使い、Apple silicon でモデルをトレーニングする方法を学びます。新しい attention 演算と量子化対応を活用し、デバイス上での Transformer モデルのパフォーマンスを向上させます。
- Apple プラットフォームの機械学習を探るApple プラットフォームの機械学習フレームワークを概観します。初めて ML モデルを実装する方にも ML の専門家にも、アプリのニーズに合うフレームワークを選ぶための指針を紹介します。
- CPU でリアルタイム ML 推論に対応BNNSGraph を使い、CPU 上で機械学習モデルの実行を高速化する方法を紹介します。BNNSGraph で機械学習モデルをコンパイルして CPU 上で実行する方法を説明し、音声処理モデルや信号処理モデル向けに、実行時のメモリ割り当てなし、シングルスレッド実行といったリアルタイム保証を提供する仕組みを紹介します。
- Core ML で機械学習モデルと AI モデルをデバイス上に配備Core ML で機械学習モデルと AI モデルを変換、実行するときに、速度とメモリ性能を最適化する新しい方法を学びます。モデル表現、パフォーマンス分析、実行、モデルスティッチングの新しい選択肢を紹介します。これらを組み合わせることで、魅力的でプライバシーに配慮したデバイス上の体験を構築できます。
- Core Spotlight でセマンティック検索に対応Core Spotlight を使い、アプリ内にセマンティック検索結果を表示する方法を学びます。利用者が自然言語で項目を検索できるよう、アプリのコンテンツをユーザー専用のデバイス上のインデックスに登録する方法を説明します。インデックス作成処理をスケジュールしてアプリのパフォーマンスを最適化する方法も紹介します。このセッションを最大限に活用するには、まず Apple Developer Web サイトで Core…
- Create ML の新機能インタラクティブなデータソースプレビューや、visionOS アプリ向けオブジェクトトラッキングモデルを構築する新テンプレートなど、Create ML のアップデートを紹介します。新しい時系列予測 API と分類 API など、重要なフレームワークの改善点も解説します。
- DockKit の新機能DockKit のインテリジェントトラッキングにより、被写体間をより滑らかに切り替えられる仕組みを紹介します。インテリジェントトラッキングの概要、ML モデルを使った被写体の選択と追跡、アプリでの利用方法を解説します。
- HDR でアプリの画像体験を動的にHDR 画像を読み書きし、アプリ内で HDR コンテンツを処理する方法を紹介します。新たに対応した HDR 画像形式と、HDR 画像を表示する高度な方法を確認します。HDR コンテンツをユーザーインターフェイスと共存させる方法と、アプリに HDR 画像対応を追加するときの注意点を説明します。
- Metal で機械学習を高速化Metal Performance Shaders Graph の新機能を使い、機械学習の Transformer モデルを高速化する方法を学びます。モデルの計算帯域幅と品質を向上させ、新しい MPSGraph ビューアで可視化する方法も解説します。
- Translation API の紹介新しい Translation フレームワークを使い、アプリ内のテキストを複数の言語間で翻訳する方法を紹介します。システム UI に翻訳をすばやく表示する方法と、アプリの UI 向けに大量のテキストをまとめて翻訳する方法を説明します。
- Vision フレームワークの Swift 強化点を紹介Vision フレームワークの API は、concurrency などの最新 Swift 機能を活用するよう再設計され、多様な Vision アルゴリズムをアプリへ簡単かつ迅速に統合できるようになりました。更新された API とサンプルコードを紹介し、少ないコーディング作業でフレームワークの利点を得るためのベストプラクティスを説明します。画像の美的評価と全身ポーズという 2 つの新機能も実演します。
- Writing Tools 入門Writing Tools がアプリ内で文章の校正、書き直し、変換を支援する仕組みを学びます。Writing Tools とアプリの連携について詳しく確認し、利用者があらゆるテキストビューで書いた文章を整えられるようにします。テキストの取得と処理の仕組み、カスタムテキストビューで Writing Tools に対応する方法も説明します。
- visionOS のオブジェクトトラッキングを探るオブジェクトトラッキングを使い、現実世界の物体を visionOS アプリ内の仮想アンカーに変える方法を紹介します。オブジェクトトラッキングによる空間体験を最初から最後まで構築する方法を学びます。Create ML の機械学習で参照オブジェクトを作り、Reality Composer Pro、RealityKit、ARKit API で対象オブジェクトを基準にコンテンツを配置する方法を説明します。
- visionOS 向けエンタープライズ API の紹介visionOS 向けの新しいエンタープライズ API を使い、Apple Vision Pro で従業員と顧客の生産性を高める空間体験を作る方法を紹介します。
- アプリを Siri に対応SiriKit と App Intents を使い、アプリの機能を Siri と Apple Intelligence に公開する方法を学びます。利用できる既存の intent と、App Intent ドメインを導入してアプリのアクションをシステムへ統合する方法を紹介します。提供するメタデータ、Spotlight でエンティティを検索可能にする方法、アプリ内検索との統合方法なども説明します。
- キャプチャ間で色の一貫性を保つConstant Color API を紹介し、アプリを使って正確な色を判定する際にどう役立つかを説明します。API の導入方法、科学分野とマーケティングでの可能性、このテクノロジーを最大限に活用するためのベストプラクティスを学びます。
- システム体験向け App Intents をデザインApp Intents は、コントロール、Spotlight、Siri などのシステム体験を支えます。App Intents に適した機能を見極め、パラメータを使って intent に柔軟性を持たせる方法を紹介します。App Intents を使い、アプリの外から操作できるようにする方法と、コンテキスト情報を表示するためアプリ内へ移動する場面の例を紹介します。
- 優れたロック画面カメラ撮影体験を構築LockedCameraCapture API を使い、撮影アプリの有用な情報をロック画面へ直接表示する方法を紹介します。API の機能を確認し、撮影拡張機能の作成を始める方法と、デバイスがロックされているときの拡張機能の動作を学びます。
- 機械学習モデルと AI モデルを Apple silicon に対応Apple silicon の性能を活用できるよう、機械学習モデルと AI モデルを最適化する方法を学びます。デバイス上への配備に向けてモデルを準備する変換ワークフローを確認します。Apple silicon と互換性のあるモデル圧縮手法と、モデル配備ワークフローのどの段階で適用できるかを理解します。ストレージサイズ、レイテンシ、消費電力、精度のトレードオフも紹介します。