Firebase Machine Learning

Usa el aprendizaje automático en tus aplicaciones para resolver problemas reales.

Firebase Machine Learning es un SDK para dispositivos móviles que lleva la experiencia de aprendizaje automático de Google a las apps para Apple y Android en un paquete potente y fácil de usar. Independientemente de si eres nuevo o tienes experiencia en el aprendizaje automático, puedes implementar la funcionalidad que necesites con solo unas pocas líneas de código. No es necesario que tengas un profundo conocimiento sobre redes neuronales o en optimización de modelos para comenzar. Por otra parte, si eres un desarrollador de AA con experiencia, el Firebase ML te brinda APIs convenientes y útiles para que puedas usar tus propios modelos personalizados de TensorFlow Lite en tus apps para dispositivos móviles.

Funciones clave

Aloja y, luego, implementa modelos personalizados

Usa tus propios modelos de TensorFlow Lite para la inferencia en el dispositivo. Solo implementa tu modelo en Firebase y nosotros nos encargaremos de alojarlo y entregarlo en tu app. Firebase entregará dinámicamente a los usuarios la versión más reciente del modelo, lo que te permitirá actualizarla de forma periódica sin necesidad de enviar una nueva versión de tu app a los usuarios.

Cuando usas Firebase ML con Remote Config, puedes entregar diferentes modelos a distintos segmentos de usuarios y, con A/B Testing, puedes ejecutar experimentos para encontrar el modelo con mejor rendimiento (consulta las guías de Apple y Android).
Listo para producción en casos de uso comunes

Firebase ML incluye un conjunto de APIs listas para usar destinadas a casos de uso comunes en dispositivos móviles: reconocimiento de texto, identificación de puntos de referencia y etiquetado de imágenes. Simplemente transfiere los datos a la biblioteca de Firebase ML y obtendrás la información que necesitas. Estas APIs aprovechan la potencia de la tecnología de aprendizaje automático de Google Cloud para brindarte el nivel más alto de precisión.

En la nube en comparación con en el dispositivo

Firebase ML tiene APIs que funcionan en la nube o en el dispositivo. Cuando describimos una API de AA como una API en la nube o integrada en el dispositivo, describimos qué máquina realiza la inferencia, es decir, cuál usa el modelo de AA para descubrir estadísticas sobre los datos que proporcionas. En Firebase ML, esto sucede en Google Cloud o en los dispositivos móviles de tus usuarios.

Las API de reconocimiento de texto, etiquetado de imágenes y reconocimiento de puntos de referencia realizan inferencias en la nube. Estos modelos tienen más potencia de procesamiento y memoria disponibles que un modelo similar en un dispositivo y, como resultado, pueden realizar inferencias con mayor precisión y exactitud que un modelo en el dispositivo. Por otro lado, cada solicitud dirigida a estas API requiere un recorrido de ida y vuelta de red, por lo que no es adecuada para aplicaciones en tiempo real y con baja latencia, como las de procesamiento de video.

Las APIs de modelos personalizados se encargan de los modelos de AA que se ejecutan en el dispositivo. Los modelos que usan y producen estas funciones son modelos de TensorFlow Lite, que están optimizados para ejecutarse en dispositivos móviles. La mayor ventaja de estos modelos es que no requieren una conexión de red y que se pueden ejecutar muy rápido, por ejemplo, para procesar fotogramas de video en tiempo real.

Firebase ML proporciona la capacidad de implementar modelos personalizados en los dispositivos de tus usuarios. Para ello, los puedes cargar en nuestros servidores. Tu app compatible con Firebase descargará el modelo en el dispositivo a pedido. Esto te permite mantener pequeño el tamaño de la instalación inicial de la app y puedes cambiar el modelo de AA sin tener que volver a publicarla.

Kit de AA: modelos listos para usar en el dispositivo

Si buscas modelos previamente entrenados que se ejecuten en el dispositivo, consulta el Kit de AA. El Kit de AA está disponible para iOS y Android, y tiene API para muchos casos de uso:

  • Reconocimiento de texto
  • Etiquetado de imágenes
  • Detección y seguimiento de objetos
  • Detección de rostro y seguimiento de contornos
  • Escaneo de códigos de barras
  • Identificación de idiomas
  • Traducción
  • Respuesta inteligente

Próximos pasos