Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Попробуйте эти практические занятия, чтобы узнать, как Firebase может помочь вам использовать модели TensorFlow Lite проще и эффективнее.
Классификация цифр (введение в развертывание модели)
Узнайте, как использовать функции развертывания моделей Firebase, создав приложение, распознающее рукописные цифры. Развертывайте модели TensorFlow Lite с помощью Firebase ML , анализируйте производительность моделей с помощью Performance Monitoring и проверяйте эффективность моделей с помощью A/B Testing .
В этой лабораторной работе вы используете собственные обучающие данные для точной настройки существующей модели классификации текста, которая определяет тональность, выраженную в тексте. Затем вы развернёте модель с помощью Firebase ML и сравните точность старой и новой моделей с помощью A/B Testing .
Рекомендательные механизмы позволяют персонализировать взаимодействие с каждым пользователем, предоставляя ему более релевантный и интересный контент. Вместо того, чтобы разрабатывать сложную систему для реализации этой функции, эта лабораторная работа показывает, как реализовать рекомендательный механизм контента для приложения, обучив и развернув модель машинного обучения на устройстве.
[[["Прост для понимания","easyToUnderstand","thumb-up"],["Помог мне решить мою проблему","solvedMyProblem","thumb-up"],["Другое","otherUp","thumb-up"]],[["Отсутствует нужная мне информация","missingTheInformationINeed","thumb-down"],["Слишком сложен/слишком много шагов","tooComplicatedTooManySteps","thumb-down"],["Устарел","outOfDate","thumb-down"],["Проблема с переводом текста","translationIssue","thumb-down"],["Проблемы образцов/кода","samplesCodeIssue","thumb-down"],["Другое","otherDown","thumb-down"]],["Последнее обновление: 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)"]]