Course Outline

Introductie

  • ML Kit vs TensorFlow vs andere machine learning diensten
  • Overzicht van ML Kit functies en componenten

Slag

  • De SDK ML Kit instellen
  • API's en voorbeeld-apps verkennen

Implementatie van ML Kit Vision-API's

  • Automatiseren van gegevensinvoer (tekstherkenning)
  • Gezichten detecteren voor selfies en portretten (Gezichtsherkenning)
  • Lichaamshoudingen interpreteren (Pose Detection)
  • Achtergrondeffecten toevoegen (Selfie Segmentation)
  • Integratie van barcodescanning
  • Identificeren van objecten, plaatsen, soorten, enz. (Image Labeling)
  • Prominente objecten in een afbeelding lokaliseren (Object Detection and Tracking)
  • Handgeschreven teksten herkennen (Digital Ink Recognition)

Werken met API's voor natuurlijke taal

  • Talen identificeren
  • Vertalen van teksten
  • Slimme antwoorden genereren
  • Entiteitsextractie gebruiken

Bestaande apps optimaliseren met ML Kit

  • Aangepaste modellen gebruiken met ML Kit
  • Migreren van Firebase naar de nieuwe ML Kit SDK
  • Migreren van Mobile Vision naar ML Kit SDK
  • De grootte van de app verkleinen voor implementatie
  • Apps herstructureren om dynamische functiemodules te gebruiken

Tips voor het oplossen van problemen

Samenvatting en volgende stappen

Requirements

  • Een goed begrip van machinaal leren
  • Ervaring met mobiele ontwikkeling

Publiek

  • Software-ingenieurs
  • Ontwikkelaars van mobiele apps
  14 Hours

Getuigenissen (4)

Related Courses

Related Categories