Codelab di ML
Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Prova questi codelab per imparare in modo pratico come Firebase può aiutarti a utilizzare i modelli TensorFlow
Lite in modo più semplice ed efficace.
Classificazione delle cifre (introduzione al deployment del modello)

Scopri come utilizzare le funzionalità di deployment dei modelli di Firebase creando un'app che riconosce le cifre scritte a mano. Esegui il deployment dei modelli TensorFlow Lite con Firebase ML, analizza le prestazioni del modello con Performance Monitoring e testa l'efficacia del modello con A/B Testing.
iOS+
Android
Analisi del sentiment

In questo codelab, utilizzi i tuoi dati di addestramento per perfezionare un modello di classificazione del testo esistente che identifica il sentimento espresso in un passaggio di testo. Poi, esegui il deployment del modello utilizzando Firebase ML e confronta l'accuratezza
dei modelli precedenti e nuovi con A/B Testing.
iOS+
Android
Consigli sui contenuti

I motori di raccomandazione ti consentono di personalizzare le esperienze per i singoli utenti,
mostrando loro contenuti più pertinenti e coinvolgenti. Anziché creare
una pipeline complessa per supportare questa funzionalità, questo codelab mostra come
implementare un motore di consigli sui contenuti per un'app addestrando ed eseguendo il deployment
di un modello ML on-device.
iOS+
Android
Salvo quando diversamente specificato, i contenuti di questa pagina sono concessi in base alla licenza Creative Commons Attribution 4.0, mentre gli esempi di codice sono concessi in base alla licenza Apache 2.0. Per ulteriori dettagli, consulta le norme del sito di Google Developers. Java è un marchio registrato di Oracle e/o delle sue consociate.
Ultimo aggiornamento 2025-07-25 UTC.
[null,null,["Ultimo aggiornamento 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)"]]