این کد لبه ها را امتحان کنید تا به طور عملی یاد بگیرید که Firebase چگونه می تواند به شما کمک کند از مدل های TensorFlow Lite راحت تر و موثرتر استفاده کنید.
طبقه بندی رقمی (مقدمه ای بر استقرار مدل)
با ساختن برنامه ای که ارقام دست نویس را تشخیص می دهد، نحوه استفاده از ویژگی های استقرار مدل Firebase را بیاموزید. استقرار مدل‌های TensorFlow Lite با Firebase ML ، تجزیه و تحلیل عملکرد مدل با Performance Monitoring ، و آزمایش اثربخشی مدل با A/B Testing .
تحلیل احساسات
در این لبه کد، شما از داده‌های آموزشی خود برای تنظیم دقیق مدل طبقه‌بندی متن موجود استفاده می‌کنید که احساسات بیان شده در قسمتی از متن را شناسایی می‌کند. سپس، مدل را با استفاده از Firebase ML اجرا می‌کنید و دقت مدل‌های قدیمی و جدید را با A/B Testing مقایسه می‌کنید.
توصیه محتوا
موتورهای توصیه به شما این امکان را می‌دهند که تجربیات خود را برای کاربران فردی شخصی‌سازی کنید و محتوای مرتبط‌تر و جذاب‌تری به آن‌ها ارائه دهید. به جای ایجاد یک خط لوله پیچیده برای تقویت این ویژگی، این کد لبه نشان می دهد که چگونه می توانید یک موتور توصیه محتوا را برای یک برنامه با آموزش و استقرار یک مدل ML روی دستگاه پیاده سازی کنید.