Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
In diesen Codelabs erfahren Sie, wie Sie TensorFlow Lite-Modelle mit Firebase einfacher und effektiver nutzen können.
Ziffernklassifizierung (Einführung in die Modellbereitstellung)
In diesem Codelab erfahren Sie, wie Sie die Funktionen für die Modellbereitstellung von Firebase nutzen können. Dazu erstellen Sie eine App, die handschriftliche Ziffern erkennt. Stellen Sie TensorFlow Lite-Modelle mit Firebase ML bereit, analysieren Sie die Modellleistung mit Performance Monitoring und testen Sie die Modelleffektivität mit A/B Testing.
In diesem Codelab verwenden Sie Ihre eigenen Trainingsdaten, um ein vorhandenes Textklassifizierungsmodell zu optimieren, das die in einem Textabschnitt ausgedrückte Stimmung erkennt. Anschließend stellen Sie das Modell mit Firebase ML bereit und vergleichen die Genauigkeit des alten und des neuen Modells mit A/B Testing.
Mit Empfehlungsmodulen können Sie die Nutzererfahrung für einzelne Nutzer personalisieren und ihnen relevantere und ansprechendere Inhalte präsentieren. Anstatt eine komplexe Pipeline für diese Funktion zu erstellen, wird in diesem Codelab gezeigt, wie Sie eine Empfehlungs-Engine für Inhalte für eine App implementieren können, indem Sie ein On-Device-ML-Modell trainieren und bereitstellen.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Benötigte Informationen nicht gefunden","missingTheInformationINeed","thumb-down"],["Zu umständlich/zu viele Schritte","tooComplicatedTooManySteps","thumb-down"],["Nicht mehr aktuell","outOfDate","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Problem mit Beispielen/Code","samplesCodeIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-07-25 (UTC)."],[],[],null,["\u003cbr /\u003e\n\nTry these codelabs to learn hands-on how Firebase can help you use TensorFlow\nLite models more easily and effectively.\n\nDigit classification (introduction to model deployment)\n\nLearn how to use Firebase's model deployment features by building an app that\nrecognizes handwritten digits. Deploy TensorFlow Lite models with\nFirebase ML, analyze model performance with Performance Monitoring, and test model\neffectiveness with A/B Testing.\n\n[iOS+](/codelabs/digitclassifier-ios)\n[Android](/codelabs/digitclassifier-android)\n\nSentiment analysis\n\nIn this codelab, you use your own training data to fine-tune an existing text\nclassification model that identifies the sentiment expressed in a passage of\ntext. Then, you deploy the model using Firebase ML and compare the accuracy\nof the old and new models with A/B Testing.\n\n[iOS+](/codelabs/textclassification-iOS)\n[Android](/codelabs/textclassification-android)\n\nContent recommendation\n\nRecommendation engines let you personalize experiences to individual users,\npresenting them with more relevant and engaging content. Rather than building\nout a complex pipeline to power this feature, this codelab shows how you can\nimplement a content recommendation engine for an app by training and deploying\nan on-device ML model.\n\n[iOS+](/codelabs/contentrecommendation-ios)\n[Android](/codelabs/contentrecommendation-android)"]]
