Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Agrega funciones de aprendizaje automático a tu app
Usa el AA de Firebase para entrenar y, luego, implementar modelos personalizados. De lo contrario, puedes usar una solución más inmediata, como las API de Cloud Vision.
plat_ios
plat_android
Implementa modelos personalizados que se ejecutan de forma integrada en el dispositivo
Ya sea que estés empezando con un [modelo de TensorFlow Lite] existente(https://www.tensorflow.org/lite/models) o entrenando uno propio, puedes usar la implementación de modelos del AA de Firebase a fin de distribuir modelos a tus usuarios de forma inalámbrica. Esto reduce el tamaño inicial de instalación de la app, ya que los modelos solo se descargan en el dispositivo cuando se necesitan. También te permite realizar pruebas A/B en varios modelos, evaluar su rendimiento y actualizarlos regularmente sin tener que volver a publicar toda la app. Solo debes subir tu modelo a Firebase console y nos encargaremos de alojarlo en tu app y entregarlo a ella. De lo contrario, si así lo prefieres, puedes implementar modelos directamente desde la canalización de producción del AA o el notebook de Colab con el SDK de Firebase Admin.
Soluciona casos de uso comunes con API listas para usar
El AA de Firebase también incorpora un conjunto de API basadas en la nube listas para los casos de uso más comunes en los dispositivos móviles: reconocer texto, etiquetar imágenes y reconocer puntos de referencia. A diferencia de otras API integradas en el dispositivo, estas aprovechan la potencia de la tecnología de aprendizaje automático de Google Cloud para brindarte un nivel alto de precisión. Simplemente transfiere los datos a la biblioteca, lo que crea una solicitud sin interrupciones para los modelos que se ejecutan en Google Cloud, y recibirás la información que necesitas en unas pocas líneas de código.
eBay Motors utiliza el AA de Firebase para categorizar imágenes rápidamente, disminuir los costos y mejorar la experiencia del usuario
Con eBay Motors, los usuarios pueden buscar autos a la venta en su área. Descubre cómo usaron AutoML Vision Edge en el AA de Firebase para crear su propio modelo y mejorar la experiencia del usuario.
Más información
arrow_forward
Documentación
Learn how to get started with ML by reviewing our technical documentation.
[null,null,[],[],[],null,["Firebase Machine Learning\n^BETA^\n\nMachine learning for mobile developers \n[Get started](https://console.firebase.google.com/project/_/ml/apis) [View docs\n*arrow_forward*](/docs/ml) \n\nAdd machine learning capabilities to your app \nUse Firebase ML to train and deploy custom models, or use a more turn-key solution with the Cloud Vision APIs. \n*plat_ios* *plat_android* \n\nDeploy custom models that run on-device \nWhether you are starting with an existing [TensorFlow Lite model](https://www.tensorflow.org/lite/models) or training your own, you can use Firebase ML model deployment to distribute models to your users over the air. This reduces initial app installation size since models are downloaded by the device only when needed. It also allows you to A/B test multiple models, evaluate their performance and update models regularly without having to republish your entire app. Just [upload your model](/docs/ml/manage-hosted-models) to the Firebase console, and we'll take care of hosting and serving it to your app. Or if you prefer, you can deploy models directly from your ML production pipeline or Colab notebook [using the Firebase Admin SDK](/docs/ml/manage-hosted-models#manage_models_with_the_firebase_admin_sdk). \n\nSolve for common use cases with turn-key APIs \nFirebase ML also comes with a set of ready-to-use cloud-based APIs for common mobile use cases: [recognizing text](/docs/ml/recognize-text), [labeling images](/docs/ml/label-images), and [recognizing landmarks](/docs/ml/recognize-landmarks). Unlike on-device APIs, these APIs leverage the power of Google Cloud's machine learning technology to give a high level of accuracy. You simply pass in data to the library, which seamlessly makes a request to models running on Google Cloud, and get back the information you need--all in a few lines of code. \nCase Studies \n\neBay Motors uses Firebase ML to quickly categorize images, reduce costs and improve user experience\n\n\neBay Motors allows users to search and find cars for sale in their area. Learn how they used AutoML Vision Edge in Firebase ML to create their own model and improve the user experience.\n[Read more\n*arrow_forward*](/case-studies/ebay) \n\nDocumentation \nLearn how to get started with ML by reviewing our technical documentation. \n[View docs](/docs/ml) \n\nPricing \nUnderstand ML pricing. \n[View pricing](/pricing#firebase-ml) \nTry Firebase today\n\n\nIntegrating it into your app is easy.\n[Get started](https://console.firebase.google.com/) \n\nAll Firebase products \n\nBuild\n\n- [App Check](/products/app-check)\n- [App Hosting](/products/app-hosting)\n- [Authentication](/products/auth)\n- [Cloud Functions](/products/functions)\n- [Cloud Storage](/products/storage)\n- [Data Connect](/products/data-connect)\n- [Extensions](/products/extensions)\n- [Firestore](/products/firestore)\n- [Firebase ML](/products/ml)\n- [Genkit](https://genkit.dev/)\n- [Hosting](/products/hosting)\n- [Realtime Database](/products/realtime-database)\n- [Firebase AI Logic client SDKs](/products/firebase-ai-logic)\n\n[Generative AI](/products/generative-ai) \n\nRun\n\n- [A/B Testing](/products/ab-testing)\n- [App Distribution](/products/app-distribution)\n- [Cloud Messaging](/products/cloud-messaging)\n- [Crashlytics](/products/crashlytics)\n- [Google Analytics](/products/analytics)\n- [In-App Messaging](/products/in-app-messaging)\n- [Performance Monitoring](/products/performance)\n- [Remote Config](/products/remote-config)\n- [Test Lab](/products/test-lab)"]]
