Firebase 기계 학습
앱에서 머신 러닝을 사용하여 실제 문제를 해결하세요.
Firebase Machine Learning은 강력하면서도 사용하기 쉬운 패키지로 Google의 기계 학습 전문 지식을 Android 및 Apple 앱에 제공하는 모바일 SDK입니다. 기계 학습에 익숙하지 않거나 경험이 많은 사용자이든 관계없이 몇 줄의 코드로 필요한 기능을 구현할 수 있습니다. 시작하기 위해 신경망이나 모델 최적화에 대한 깊은 지식이 필요하지 않습니다. 반면에 숙련된 ML 개발자라면 Firebase ML이 모바일 앱에서 맞춤형 TensorFlow Lite 모델을 사용하는 데 도움이 되는 편리한 API를 제공합니다.
주요 기능
| 사용자 지정 모델 호스팅 및 배포 | 기기 내 추론을 위해 고유한 TensorFlow Lite 모델을 사용합니다. 모델을 Firebase에 배포하기만 하면 Google에서 앱을 호스팅하고 제공합니다. Firebase는 최신 버전의 모델을 사용자에게 동적으로 제공하므로 사용자에게 앱의 새 버전을 푸시하지 않고도 모델을 정기적으로 업데이트할 수 있습니다. Firebase ML을 Remote Config 와 함께 사용하면 다양한 사용자 세그먼트에 다양한 모델을 제공할 수 있으며 A/B Testing 을 사용하면 실험을 실행하여 가장 성능이 좋은 모델을 찾을 수 있습니다( Apple 및 Android 가이드 참조). |
| 자동으로 모델 학습 | Firebase ML 및 AutoML Vision Edge를 사용하면 앱에서 사진의 개념을 인식하는 데 사용할 수 있는 자체 TensorFlow Lite 이미지 레이블 지정 모델을 쉽게 학습할 수 있습니다. 교육 데이터(자체 이미지 및 레이블)를 업로드하면 AutoML Vision Edge가 이를 사용하여 클라우드에서 사용자 지정 모델을 교육합니다. |
| 일반적인 사용 사례를 위한 프로덕션 준비 | Firebase ML은 텍스트 인식, 이미지 레이블 지정, 랜드마크 식별과 같은 일반적인 모바일 사용 사례에 즉시 사용할 수 있는 API 세트와 함께 제공됩니다. Firebase ML 라이브러리에 데이터를 전달하기만 하면 필요한 정보가 제공됩니다. 이러한 API는 Google Cloud의 강력한 머신 러닝 기술을 활용하여 최고 수준의 정확도를 제공합니다. |
클라우드 대 온디바이스
Firebase ML에는 클라우드 또는 기기에서 작동하는 API가 있습니다. ML API를 클라우드 API 또는 온디바이스 API로 설명할 때 추론을 수행하는 시스템 , 즉 사용자가 제공하는 데이터에 대한 통찰력을 발견하기 위해 ML 모델을 사용하는 시스템을 설명합니다. Firebase ML에서 이는 Google Cloud 또는 사용자의 휴대기기에서 발생합니다.
텍스트 인식, 이미지 레이블 지정 및 랜드마크 인식 API는 클라우드에서 추론을 수행합니다. 이러한 모델은 유사한 온디바이스 모델보다 더 많은 계산 능력과 메모리를 사용할 수 있으므로 결과적으로 온디바이스 모델보다 더 높은 정확도와 정밀도로 추론을 수행할 수 있습니다. 반면에 이러한 API에 대한 모든 요청에는 네트워크 왕복이 필요하므로 비디오 처리와 같은 실시간 및 저지연 애플리케이션에는 적합하지 않습니다.
커스텀 모델 API 및 AutoML Vision Edge는 기기에서 실행되는 ML 모델을 처리합니다. 이러한 기능에서 사용 및 생성된 모델은 모바일 장치에서 실행하도록 최적화된 TensorFlow Lite 모델입니다. 이러한 모델의 가장 큰 장점은 네트워크 연결이 필요하지 않고 매우 빠르게 실행할 수 있다는 것입니다. 예를 들어 실시간으로 비디오 프레임을 처리할 수 있을 만큼 충분히 빠릅니다.
Firebase ML은 온디바이스 맞춤 모델과 관련된 두 가지 주요 기능을 제공합니다.
사용자 지정 모델 배포 : 사용자 지정 모델을 당사 서버에 업로드하여 사용자의 장치에 배포합니다. Firebase 지원 앱은 요청 시 모델을 기기에 다운로드합니다. 이렇게 하면 앱의 초기 설치 크기를 작게 유지할 수 있으며 앱을 다시 게시하지 않고도 ML 모델을 교체할 수 있습니다.
AutoML Vision Edge : 이 서비스를 사용하면 사용하기 쉬운 웹 인터페이스를 사용하여 자체 온디바이스 사용자 지정 이미지 분류 모델을 생성할 수 있습니다. 그러면 위에서 언급한 서비스로 생성한 모델을 원활하게 호스팅할 수 있습니다.
ML 키트: 즉시 사용 가능한 온디바이스 모델
기기에서 실행되는 사전 훈련된 모델을 찾고 있다면 ML Kit 를 확인하십시오. ML Kit는 iOS 및 Android에서 사용할 수 있으며 많은 사용 사례를 위한 API가 있습니다.
- 텍스트 인식
- 이미지 라벨링
- 물체 감지 및 추적
- 얼굴 감지 및 윤곽 추적
- 바코드 스캐닝
- 언어 식별
- 번역
- 스마트 답장
다음 단계
- 바로 사용할 수 있는 API( 텍스트 인식 , 이미지 레이블 지정 , 랜드마크 인식 )를 살펴보세요.
- AutoML Vision Edge 를 사용하여 자체 이미지 레이블 지정 모델을 학습시키세요.
- 앱에서 모바일에 최적화된 맞춤형 모델 을 사용하는 방법에 대해 알아보세요.
Firebase 기계 학습
앱에서 머신 러닝을 사용하여 실제 문제를 해결하세요.
Firebase Machine Learning은 강력하면서도 사용하기 쉬운 패키지로 Google의 기계 학습 전문 지식을 Android 및 Apple 앱에 제공하는 모바일 SDK입니다. 기계 학습에 익숙하지 않거나 경험이 많은 사용자이든 관계없이 몇 줄의 코드로 필요한 기능을 구현할 수 있습니다. 시작하기 위해 신경망이나 모델 최적화에 대한 깊은 지식이 필요하지 않습니다. 반면에 숙련된 ML 개발자라면 Firebase ML이 모바일 앱에서 맞춤형 TensorFlow Lite 모델을 사용하는 데 도움이 되는 편리한 API를 제공합니다.
주요 기능
| 사용자 지정 모델 호스팅 및 배포 | 기기 내 추론을 위해 고유한 TensorFlow Lite 모델을 사용합니다. 모델을 Firebase에 배포하기만 하면 Google에서 앱을 호스팅하고 제공합니다. Firebase는 최신 버전의 모델을 사용자에게 동적으로 제공하므로 사용자에게 앱의 새 버전을 푸시하지 않고도 모델을 정기적으로 업데이트할 수 있습니다. Firebase ML을 Remote Config 와 함께 사용하면 다양한 사용자 세그먼트에 다양한 모델을 제공할 수 있으며 A/B Testing 을 사용하면 실험을 실행하여 가장 성능이 좋은 모델을 찾을 수 있습니다( Apple 및 Android 가이드 참조). |
| 자동으로 모델 학습 | Firebase ML 및 AutoML Vision Edge를 사용하면 앱에서 사진의 개념을 인식하는 데 사용할 수 있는 자체 TensorFlow Lite 이미지 레이블 지정 모델을 쉽게 학습할 수 있습니다. 교육 데이터(자체 이미지 및 레이블)를 업로드하면 AutoML Vision Edge가 이를 사용하여 클라우드에서 사용자 지정 모델을 교육합니다. |
| 일반적인 사용 사례를 위한 프로덕션 준비 | Firebase ML은 텍스트 인식, 이미지 레이블 지정, 랜드마크 식별과 같은 일반적인 모바일 사용 사례에 즉시 사용할 수 있는 API 세트와 함께 제공됩니다. Firebase ML 라이브러리에 데이터를 전달하기만 하면 필요한 정보가 제공됩니다. 이러한 API는 Google Cloud의 강력한 머신 러닝 기술을 활용하여 최고 수준의 정확도를 제공합니다. |
클라우드 대 온디바이스
Firebase ML에는 클라우드 또는 기기에서 작동하는 API가 있습니다. ML API를 클라우드 API 또는 온디바이스 API로 설명할 때 추론을 수행하는 시스템 , 즉 사용자가 제공하는 데이터에 대한 통찰력을 발견하기 위해 ML 모델을 사용하는 시스템을 설명합니다. Firebase ML에서 이는 Google Cloud 또는 사용자의 휴대기기에서 발생합니다.
텍스트 인식, 이미지 레이블 지정 및 랜드마크 인식 API는 클라우드에서 추론을 수행합니다. 이러한 모델은 유사한 온디바이스 모델보다 더 많은 계산 능력과 메모리를 사용할 수 있으므로 결과적으로 온디바이스 모델보다 더 높은 정확도와 정밀도로 추론을 수행할 수 있습니다. 반면에 이러한 API에 대한 모든 요청에는 네트워크 왕복이 필요하므로 비디오 처리와 같은 실시간 및 저지연 애플리케이션에는 적합하지 않습니다.
커스텀 모델 API 및 AutoML Vision Edge는 기기에서 실행되는 ML 모델을 처리합니다. 이러한 기능에서 사용 및 생성된 모델은 모바일 장치에서 실행하도록 최적화된 TensorFlow Lite 모델입니다. 이러한 모델의 가장 큰 장점은 네트워크 연결이 필요하지 않고 매우 빠르게 실행할 수 있다는 것입니다. 예를 들어 실시간으로 비디오 프레임을 처리할 수 있을 만큼 충분히 빠릅니다.
Firebase ML은 온디바이스 맞춤 모델과 관련된 두 가지 주요 기능을 제공합니다.
사용자 지정 모델 배포 : 사용자 지정 모델을 당사 서버에 업로드하여 사용자의 장치에 배포합니다. Firebase 지원 앱은 요청 시 모델을 기기에 다운로드합니다. 이렇게 하면 앱의 초기 설치 크기를 작게 유지할 수 있으며 앱을 다시 게시하지 않고도 ML 모델을 교체할 수 있습니다.
AutoML Vision Edge : 이 서비스를 사용하면 사용하기 쉬운 웹 인터페이스를 사용하여 자체 온디바이스 사용자 지정 이미지 분류 모델을 생성할 수 있습니다. 그러면 위에서 언급한 서비스로 생성한 모델을 원활하게 호스팅할 수 있습니다.
ML 키트: 즉시 사용 가능한 온디바이스 모델
기기에서 실행되는 사전 훈련된 모델을 찾고 있다면 ML Kit 를 확인하십시오. ML Kit는 iOS 및 Android에서 사용할 수 있으며 많은 사용 사례를 위한 API가 있습니다.
- 텍스트 인식
- 이미지 라벨링
- 물체 감지 및 추적
- 얼굴 감지 및 윤곽 추적
- 바코드 스캐닝
- 언어 식별
- 번역
- 스마트 답장
다음 단계
- 바로 사용할 수 있는 API( 텍스트 인식 , 이미지 레이블 지정 , 랜드마크 인식 )를 살펴보세요.
- AutoML Vision Edge 를 사용하여 자체 이미지 레이블 지정 모델을 학습시키세요.
- 앱에서 모바일에 최적화된 맞춤형 모델 을 사용하는 방법에 대해 알아보세요.