2022 年 10 月 18 日に開催される Firebase Summit に、直接会場で、またはオンラインでご参加ください。Firebase を使用してアプリ開発を加速させ、自信を持ってアプリをリリースし、簡単にスケールする方法をご紹介します。 今すぐ申し込む

MLコードラボ

コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

これらのコードラボを試して、FirebaseがTensorFlowLiteモデルをより簡単かつ効果的に使用するのにどのように役立つかを実践的に学びましょう。

数字の分類(モデル展開の概要)

数字分類アプリのスクリーンショット

手書きの数字を認識するアプリを作成して、Firebaseのモデルデプロイ機能を使用する方法を学びます。 FirebaseMLを使用してTensorFlowLiteモデルをデプロイし、パフォーマンスモニタリングを使用してモデルのパフォーマンスを分析し、A/Bテストを使用してモデルの有効性をテストします。 ( iOS +Android

感情分析

感情分析アプリのスクリーンショット

このコードラボでは、独自のトレーニングデータを使用して、テキストの一節で表現された感情を識別する既存のテキスト分類モデルを微調整します。次に、Firebase MLを使用してモデルをデプロイし、A/Bテストで新旧のモデルの精度を比較します。 ( iOS +Android

コンテンツの推奨

コンテンツ推奨アプリのスクリーンショット

レコメンデーションエンジンを使用すると、個々のユーザーにエクスペリエンスをパーソナライズして、より関連性の高い魅力的なコンテンツをユーザーに提示できます。このコードラボでは、この機能を強化するための複雑なパイプラインを構築するのではなく、デバイス上のMLモデルをトレーニングしてデプロイすることで、アプリのコンテンツレコメンデーションエンジンを実装する方法を示します。 ( iOS +Android