Codelab ของ ML
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน
บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
ลองทำ Codelab เหล่านี้เพื่อเรียนรู้ภาคปฏิบัติว่า Firebase จะช่วยให้คุณใช้โมเดล TensorFlow
Lite ได้ง่ายและมีประสิทธิภาพมากขึ้นได้อย่างไร
การแยกประเภทตัวเลข (ข้อมูลเบื้องต้นเกี่ยวกับการทำให้โมเดลใช้งานได้)

ดูวิธีใช้ฟีเจอร์การติดตั้งใช้งานโมเดลของ Firebase โดยการสร้างแอปที่
จดจำตัวเลขที่เขียนด้วยลายมือ ใช้งานโมเดล TensorFlow Lite ด้วย Firebase ML วิเคราะห์ประสิทธิภาพของโมเดลด้วย Performance Monitoring และทดสอบประสิทธิภาพของโมเดลด้วย A/B Testing
iOS+
Android
การวิเคราะห์ความเห็น

ในโค้ดแล็บนี้ คุณจะใช้ข้อมูลการฝึกของคุณเองเพื่อปรับแต่งโมเดลการจัดประเภทข้อความที่มีอยู่ ซึ่งจะระบุความรู้สึกที่แสดงในข้อความ จากนั้นคุณจะนํารูปแบบไปใช้งานโดยใช้ Firebase ML และเปรียบเทียบความแม่นยำ
ของรูปแบบเก่าและรูปแบบใหม่ด้วย A/B Testing
iOS+
Android
การแนะนำเนื้อหา

เครื่องมือแนะนำช่วยให้คุณปรับเปลี่ยนประสบการณ์การใช้งานให้เหมาะกับผู้ใช้แต่ละรายได้
โดยการนำเสนอเนื้อหาที่เกี่ยวข้องและน่าสนใจมากขึ้น Codelab นี้จะแสดงวิธีติดตั้งใช้งานเครื่องมือแนะนำเนื้อหาสำหรับแอปโดยการฝึกและทำให้โมเดล ML ในอุปกรณ์ใช้งานได้ แทนที่จะสร้างไปป์ไลน์ที่ซับซ้อนเพื่อขับเคลื่อนฟีเจอร์นี้
iOS+
Android
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2025-07-25 UTC
[null,null,["อัปเดตล่าสุด 2025-07-25 UTC"],[],[],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)"]]