संग्रह की मदद से व्यवस्थित रहें
अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.
इन कोडलैब को आज़माएं. इनसे आपको यह समझने में मदद मिलेगी कि Firebase, TensorFlow Lite मॉडल को आसानी से और असरदार तरीके से इस्तेमाल करने में आपकी कैसे मदद कर सकता है.
अंकों का क्लासिफ़िकेशन (मॉडल डिप्लॉयमेंट के बारे में जानकारी)
हाथ से लिखे गए अंकों की पहचान करने वाला ऐप्लिकेशन बनाकर, Firebase की मॉडल डिप्लॉयमेंट सुविधाओं का इस्तेमाल करने का तरीका जानें. Firebase ML की मदद से TensorFlow Lite मॉडल डिप्लॉय करें, Performance Monitoring की मदद से मॉडल की परफ़ॉर्मेंस का विश्लेषण करें, और A/B Testing की मदद से मॉडल की परफ़ॉर्मेंस की जांच करें.
इस कोडलैब में, अपने ट्रेनिंग डेटा का इस्तेमाल करके, टेक्स्ट क्लासिफ़िकेशन के मौजूदा मॉडल को बेहतर बनाया जाता है. यह मॉडल, टेक्स्ट के किसी हिस्से में मौजूद भावना की पहचान करता है. इसके बाद, Firebase ML का इस्तेमाल करके मॉडल को डिप्लॉय करें. साथ ही, A/B Testing का इस्तेमाल करके पुराने और नए मॉडल की परफ़ॉर्मेंस की तुलना करें.
सुझाव देने वाले इंजन की मदद से, हर उपयोगकर्ता को उसकी दिलचस्पी के हिसाब से अनुभव दिया जा सकता है. साथ ही, उन्हें ज़्यादा काम का और दिलचस्प कॉन्टेंट दिखाया जा सकता है. इस सुविधा को चालू करने के लिए, जटिल पाइपलाइन बनाने के बजाय, इस कोडलैब में बताया गया है कि डिवाइस पर मौजूद एमएल मॉडल को ट्रेन और डिप्लॉय करके, किसी ऐप्लिकेशन के लिए कॉन्टेंट के सुझाव देने वाला इंजन कैसे लागू किया जा सकता है.
[[["समझने में आसान है","easyToUnderstand","thumb-up"],["मेरी समस्या हल हो गई","solvedMyProblem","thumb-up"],["अन्य","otherUp","thumb-up"]],[["वह जानकारी मौजूद नहीं है जो मुझे चाहिए","missingTheInformationINeed","thumb-down"],["बहुत मुश्किल है / बहुत सारे चरण हैं","tooComplicatedTooManySteps","thumb-down"],["पुराना","outOfDate","thumb-down"],["अनुवाद से जुड़ी समस्या","translationIssue","thumb-down"],["सैंपल / कोड से जुड़ी समस्या","samplesCodeIssue","thumb-down"],["अन्य","otherDown","thumb-down"]],["आखिरी बार 2025-07-25 (UTC) को अपडेट किया गया."],[],[],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)"]]
