Codelabs בנושא למידת מכונה
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
כדאי לנסות את ה-codelabs האלה כדי ללמוד באופן מעשי איך Firebase יכול לעזור לכם להשתמש במודלים של TensorFlow Lite בצורה קלה ויעילה יותר.
סיווג ספרות (מבוא לפריסת מודלים)
כדי ללמוד איך להשתמש בתכונות של פריסת מודלים ב-Firebase, אפשר לבנות אפליקציה שמזהה ספרות בכתב יד. תפרסו מודלים של TensorFlow Lite באמצעות Firebase ML, תנתחו את ביצועי המודל באמצעות Performance Monitoring ותבדקו את יעילות המודל באמצעות A/B Testing.
iOS+
Android
ניתוח סנטימנטים
ב-codelab הזה, תשתמשו בנתוני אימון משלכם כדי לשפר מודל קיים לסיווג טקסט, שמזהה את הסנטימנט שמובע בקטע טקסט. לאחר מכן, פורסים את המודל באמצעות Firebase ML ומשווים את רמת הדיוק של המודלים הישן והחדש באמצעות A/B Testing.
iOS+
Android
המלצה על תוכן
מנועי המלצות מאפשרים לכם להתאים אישית את החוויה למשתמשים ספציפיים, ולהציג להם תוכן רלוונטי ומעניין יותר. במקום לבנות צינור עיבוד נתונים מורכב כדי להפעיל את התכונה הזו, בשיעור הזה תלמדו איך להטמיע מנוע המלצות תוכן לאפליקציה באמצעות אימון ופריסה של מודל ML במכשיר.
iOS+
Android
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2025-07-25 (שעון UTC).
[null,null,["עדכון אחרון: 2025-07-25 (שעון 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)"]]
