الدروس التطبيقية حول تعلُّم الآلة
تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
جرِّب هذه الدروس العملية لتتعرّف على كيفية مساعدة Firebase لك في استخدام نماذج TensorFlow Lite بسهولة وفعالية أكبر.
تصنيف الأرقام (مقدمة حول نشر النموذج)
تعرَّف على كيفية استخدام ميزات نشر النماذج في Firebase من خلال إنشاء تطبيق يتعرّف على الأرقام المكتوبة بخط اليد. يمكنك نشر نماذج TensorFlow Lite باستخدام Firebase ML، وتحليل أداء النماذج باستخدام Performance Monitoring، واختبار فعالية النماذج باستخدام A/B Testing.
iOS+
Android
تحليل المشاعر
في هذا الدرس العملي، ستستخدم بيانات التدريب الخاصة بك لضبط نموذج تصنيف نصي حالي يحدّد المشاعر المعبر عنها في مقطع نصي. بعد ذلك، يمكنك نشر النموذج باستخدام Firebase ML ومقارنة دقة النموذج القديم والجديد باستخدام A/B Testing.
iOS+
Android
اقتراحات المحتوى
تتيح لك محرّكات الاقتراحات تخصيص التجارب للمستخدمين الفرديين، وتقديم محتوى أكثر ملاءمةً وجاذبيةً لهم. بدلاً من إنشاء مسار معقّد لتفعيل هذه الميزة، يوضّح لك هذا الدرس التطبيقي حول الترميز كيفية تنفيذ محرّك اقتراحات المحتوى لتطبيق من خلال تدريب نموذج تعلُّم آلة ونشره على الجهاز.
iOS+
Android
إنّ محتوى هذه الصفحة مرخّص بموجب ترخيص Creative Commons Attribution 4.0 ما لم يُنصّ على خلاف ذلك، ونماذج الرموز مرخّصة بموجب ترخيص Apache 2.0. للاطّلاع على التفاصيل، يُرجى مراجعة سياسات موقع Google Developers. إنّ Java هي علامة تجارية مسجَّلة لشركة Oracle و/أو شركائها التابعين.
تاريخ التعديل الأخير: 2025-07-25 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2025-07-25 (حسب التوقيت العالمي المتفَّق عليه)"],[],[],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)"]]
