4 月 9~11 日の Cloud Next で Firebase の最新情報をお届けします。
今すぐご登録ください。
ML Codelab
bookmark_borderbookmark
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 Codelab をお試しいただくと、TensorFlow Lite モデルをより簡単かつ効果的に使用するのに Firebase がどう役立つのかを実践的に学ぶことができます。
数字分類(モデルデプロイの概要)

手書きの数字を認識するアプリを作成することで、Firebase のモデルデプロイ機能の使い方を学びます。Firebase ML を使用して TensorFlow Lite モデルをデプロイし、Performance Monitoring でモデルのパフォーマンスを分析して、A/B Testing でモデルの有効性をテストします。
iOS+
Android
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、テキストを通じて表現された感情を識別するための既存のテキスト分類モデルを微調整します。次に、Firebase ML を使用してこのモデルをデプロイし、以前のモデルと新しいモデルの精度を A/B Testing で比較します。
iOS+
Android
コンテンツ レコメンデーション

レコメンデーション エンジンを使用すると、それぞれ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 Codelab では、このような機能をサポートする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、アプリ向けのコンテンツ 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
特に記載のない限り、このページのコンテンツはクリエイティブ・コモンズの表示 4.0 ライセンスにより使用許諾されます。コードサンプルは Apache 2.0 ライセンスにより使用許諾されます。詳しくは、Google Developers サイトのポリシーをご覧ください。Java は Oracle および関連会社の登録商標です。
最終更新日 2025-02-26 UTC。
[[["わかりやすい","easyToUnderstand","thumb-up"],["問題の解決に役立った","solvedMyProblem","thumb-up"],["その他","otherUp","thumb-up"]],[["必要な情報がない","missingTheInformationINeed","thumb-down"],["複雑すぎる / 手順が多すぎる","tooComplicatedTooManySteps","thumb-down"],["最新ではない","outOfDate","thumb-down"],["翻訳に関する問題","translationIssue","thumb-down"],["サンプル / コードに問題がある","samplesCodeIssue","thumb-down"],["その他","otherDown","thumb-down"]],["最終更新日 2025-02-26 UTC。"],[],[]]