Лаборатории кода машинного обучения
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Попробуйте эти практические задания, чтобы узнать, как Firebase может помочь вам проще и эффективнее использовать модели TensorFlow Lite.
Анализ настроений
В этом практическом задании вы используете собственные обучающие данные для тонкой настройки существующей модели классификации текста, которая определяет эмоциональную окраску фрагмента текста. Затем вы развертываете модель с помощью Firebase ML и сравниваете точность старой и новой моделей с помощью A/B Testing .
Системы рекомендаций позволяют персонализировать взаимодействие с пользователями, предоставляя им более релевантный и интересный контент. Вместо создания сложного конвейера для реализации этой функции, в этом практическом занятии показано, как можно реализовать систему рекомендаций контента для приложения, обучив и развернув модель машинного обучения на устройстве.
[[["Прост для понимания","easyToUnderstand","thumb-up"],["Помог мне решить мою проблему","solvedMyProblem","thumb-up"],["Другое","otherUp","thumb-up"]],[["Отсутствует нужная мне информация","missingTheInformationINeed","thumb-down"],["Слишком сложен/слишком много шагов","tooComplicatedTooManySteps","thumb-down"],["Устарел","outOfDate","thumb-down"],["Проблема с переводом текста","translationIssue","thumb-down"],["Проблемы образцов/кода","samplesCodeIssue","thumb-down"],["Другое","otherDown","thumb-down"]],["Последнее обновление: 2026-04-23 UTC."],[],[]]