Create ML فریمورکی است که دولوپرها می‌توانند با استفاده از آن به همراه ابزارهای دیگری نظیر زبان برنامه‌نویسی Swift و سیستم‌عامل macOS، مدل‌های یادگیری ماشینی مد نظر خود را در سیستم مک ایجاد کرده و آن‌ها را آموزش دهند. در حقیقت، این فریمورک برای آموزش مدل‌های ML (یادگیری ماشینی) به منظور انجام تَسک‌هایی مانند شناسایی تصاویر، استخراج معانی از داخل متون و یا پیدا کردن روابط معنادار بین مقادیر عددی و غیره مورد استفاده قرار می‌گیرد.
نحوۀ کار فریمورک Create ML
برای آموزش مدل یادگیری ماشینی، نمونه‌هایی از دیتا را به عنوان ورودی به مدل می‌دهیم تا در نهایت سیستم بتواند الگوهای مختلف را تشخیص دهد. به عنوان مثال، یک مدل برای تشخیص سگ‌ها با ارائۀ تصاویر بسیاری از سگ‌های مختلف آموزش می‌بیند به طوری که وقتی این مدل آموزش دید، دولوپرها مدل را با داده‌هایی که این مدل قبلاً ندیده است تست می‌کنند تا بررسی کنند که تا چه حد این مدل به درستی آموزش دیده است.
در واقع، اگر مدل یادگیری ماشینی به درستی آموزش دیده باشد و نتیجهٔ مورد انتظار را در خروجی ارائه دهد، در این صورت دولوپرها می‌توانند مدل را با استفاده از Core ML در اپلیکیشن خود ادغام کنند (Core ML فریمورکی برای ارائۀ یک روش سریع به منظور ایمپورت کردن مدل‌های یادگیری ماشینی از پیش آموزش دیده در اپلیکیشن‌ها است.)
همچنین Create ML از زیرساخت‌های یادگیری ماشینی از پیش تعبیه‌شدۀ محصولات اپل مانند Photos و Siri برای پروسهٔ آموزش استفاده می‌کند؛ بدین معنی که مدل‌های ماشین لرنینگ به منظور طبقه‌بندی تصاویر و مدل‌های مرتبط با زبان طبیعی، یک مدل کوچک‌تر بوده و برای آموزش زمان کمتری نیاز خواهند داشت.
