これらの Codelab を試して、Firebase が TensorFlow Lite 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。
桁分類（モデル展開の紹介）
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。 TensorFlow Lite モデルを Firebase ML でデプロイし、パフォーマンス モニタリングでモデルのパフォーマンスを分析し、A/B テストでモデルの有効性をテストします。 ( iOS+ 、アンドロイド)
感情分析
この Codelab では、独自のトレーニング データを使用して、テキストのパッセージ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、古いモデルと新しいモデルの精度を A/B テストで比較します。 ( iOS+ 、アンドロイド)
コンテンツのおすすめ
レコメンデーション エンジンを使用すると、個々のユーザーに合わせてエクスペリエンスをパーソナライズし、より関連性の高い魅力的なコンテンツを提示できます。このコードラボでは、複雑なパイプラインを構築してこの機能を強化するのではなく、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、アプリにコンテンツ 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+ 、アンドロイド)