Ikuti semua informasi yang diumumkan di Firebase Summit, dan pelajari bagaimana Firebase dapat membantu Anda mempercepat pengembangan aplikasi dan menjalankan aplikasi dengan percaya diri. Pelajari Lebih Lanjut
Tetap teratur dengan koleksi Simpan dan kategorikan konten berdasarkan preferensi Anda.

Pembelajaran Mesin Firebase

Gunakan pembelajaran mesin di aplikasi Anda untuk memecahkan masalah dunia nyata.

Firebase Machine Learning adalah SDK seluler yang menghadirkan keahlian pembelajaran mesin Google ke aplikasi Android dan Apple dalam paket yang kuat namun mudah digunakan. Apakah Anda baru atau berpengalaman dalam pembelajaran mesin, Anda dapat mengimplementasikan fungsionalitas yang Anda perlukan hanya dalam beberapa baris kode. Tidak perlu memiliki pengetahuan mendalam tentang jaringan saraf atau pengoptimalan model untuk memulai. Di sisi lain, jika Anda adalah developer ML berpengalaman, Firebase ML menyediakan API praktis yang membantu Anda menggunakan model TensorFlow Lite kustom di aplikasi seluler Anda.

Kemampuan kunci

Host dan terapkan model khusus

Gunakan model TensorFlow Lite Anda sendiri untuk inferensi di perangkat. Terapkan saja model Anda ke Firebase, dan kami akan mengurus hosting dan menyajikannya ke aplikasi Anda. Firebase akan secara dinamis menyajikan versi model terbaru kepada pengguna Anda, sehingga Anda dapat mengupdatenya secara rutin tanpa harus mengirimkan versi baru aplikasi Anda kepada pengguna.

Saat menggunakan Firebase ML dengan Remote Config , Anda dapat menyajikan model yang berbeda ke segmen pengguna yang berbeda, dan dengan Pengujian A/B , Anda dapat menjalankan eksperimen untuk menemukan model dengan performa terbaik (lihat panduan Apple dan Android ).

Siap produksi untuk kasus penggunaan umum

Firebase ML hadir dengan serangkaian API siap pakai untuk kasus penggunaan seluler yang umum: mengenali teks, memberi label pada gambar, dan mengidentifikasi bangunan terkenal. Cukup teruskan data ke library Firebase ML dan itu memberi Anda informasi yang Anda butuhkan. API ini memanfaatkan kecanggihan teknologi machine learning Google Cloud untuk memberi Anda tingkat akurasi tertinggi.

Cloud vs. di perangkat

Firebase ML memiliki API yang berfungsi di cloud atau di perangkat. Saat kami mendeskripsikan ML API sebagai cloud API atau on-device API, kami mendeskripsikan mesin mana yang melakukan inferensi : yaitu, mesin mana yang menggunakan model ML untuk menemukan insight tentang data yang Anda berikan. Di Firebase ML, ini terjadi di Google Cloud, atau di perangkat seluler pengguna Anda.

Pengenalan teks, pelabelan gambar, dan API pengenalan landmark melakukan inferensi di cloud. Model ini memiliki lebih banyak daya komputasi dan memori yang tersedia daripada model di perangkat yang sebanding, dan sebagai hasilnya, dapat melakukan inferensi dengan akurasi dan presisi yang lebih tinggi daripada model di perangkat. Di sisi lain, setiap permintaan ke API ini memerlukan perjalanan bolak-balik jaringan, yang membuatnya tidak sesuai untuk aplikasi real-time dan latensi rendah seperti pemrosesan video.

API model khusus berurusan dengan model ML yang berjalan di perangkat. Model yang digunakan dan diproduksi oleh fitur ini adalah model TensorFlow Lite , yang dioptimalkan untuk berjalan di perangkat seluler. Keuntungan terbesar dari model ini adalah tidak memerlukan koneksi jaringan dan dapat bekerja dengan sangat cepat—cukup cepat, misalnya, untuk memproses bingkai video dalam waktu nyata.

Firebase ML menyediakan kemampuan untuk menerapkan model khusus ke perangkat pengguna Anda dengan mengunggahnya ke server kami. Aplikasi Anda yang mengaktifkan Firebase akan mengunduh model ke perangkat sesuai permintaan. Hal ini memungkinkan Anda menjaga ukuran pemasangan awal aplikasi tetap kecil, dan Anda dapat menukar model ML tanpa harus memublikasikan ulang aplikasi.

ML Kit: Model pada perangkat yang siap digunakan

Jika Anda mencari model terlatih yang berjalan di perangkat, lihat ML Kit . ML Kit tersedia untuk iOS dan Android, dan memiliki API untuk banyak kasus penggunaan:

  • Pengenalan teks
  • Pelabelan gambar
  • Deteksi dan pelacakan objek
  • Deteksi wajah dan pelacakan kontur
  • Pemindaian kode batang
  • Identifikasi bahasa
  • Terjemahan
  • Balasan Cerdas

Langkah selanjutnya