Codelab ML
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Coba codelab ini untuk mempelajari secara langsung bagaimana Firebase dapat membantu Anda menggunakan model TensorFlow Lite dengan lebih mudah dan efektif.
Klasifikasi angka (pengantar deployment model)
Pelajari cara menggunakan fitur deployment model Firebase dengan membuat aplikasi yang mengenali angka dari tulisan tangan. Deploy model TensorFlow Lite dengan Firebase ML, analisis performa model dengan Performance Monitoring, dan uji keefektifan model dengan A/B Testing.
iOS+
Android
Analisis sentimen
Pada codelab ini, Anda akan menggunakan data pelatihan Anda sendiri untuk menyesuaikan model klasifikasi teks yang sudah ada, yang mengidentifikasi sentimen yang dinyatakan dalam teks. Kemudian, Anda akan men-deploy model menggunakan Firebase ML dan membandingkan akurasi
model lama dan baru dengan A/B Testing.
iOS+
Android
Rekomendasi konten
Mesin pemberi saran memungkinkan Anda mempersonalisasi pengalaman pengguna individual, memberikan konten yang lebih relevan dan menarik kepada mereka. Alih-alih membuat pipeline kompleks untuk mendukung fitur ini, codelab ini menunjukkan cara mengimplementasikan mesin pemberi saran konten untuk aplikasi dengan melatih dan men-deploy model ML di perangkat.
iOS+
Android
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2025-08-24 UTC.
[null,null,["Terakhir diperbarui pada 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)"]]
