Codelabs de AA
Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Realiza estos codelabs y descubre en la práctica cómo Firebase puede ayudarte a usar los modelos de TensorFlow Lite con más facilidad y eficacia.
Clasificación de dígitos (introducción a la implementación de modelos)

Crea una app que reconozca dígitos escritos a mano y aprende a usar las funciones de implementación de modelos de Firebase. Implementa modelos de TensorFlow Lite con
Firebase ML, analiza su rendimiento con Performance Monitoring y prueba su
eficacia con A/B Testing.
iOS+
Android
Análisis de opiniones

En este codelab, usarás tus datos de entrenamiento para ajustar un modelo de clasificación de texto existente que identifique la opinión expresada en un pasaje del texto. Luego, implementas el modelo con Firebase ML y comparas la exactitud
de los modelos antiguos y nuevos con A/B Testing.
iOS+
Android
Recomendación de contenido

Los motores de recomendaciones te permiten personalizar las experiencias para usuarios específicos, ya que les ofrecen contenido más relevante y atractivo. En lugar de compilar
una canalización compleja a fin de potenciar esta característica, en este codelab se muestra cómo
implementar un motor de recomendaciones de contenido para una app mediante el entrenamiento y la implementación de un modelo de AA
en el dispositivo.
iOS+
Android
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2025-08-24 (UTC)
[null,null,["Última actualización: 2025-08-24 (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)"]]