Local blog for Brazilian speaking developers
Introdução ao ML Kit
10/05/2018
Postado por Brahim Elbouchikhi, gerente de produtos
No mundo acelerado em que vivemos hoje, as pessoas passaram a esperar aplicativos inteligentes que se adaptem às atividades do usuário ou que encantem com recursos surpreendentes. Por isso, achamos que o aprendizado de máquina se tornará uma ferramenta essencial no desenvolvimento para dispositivos móveis. E é por isso que na terça-feira, na Google I/O,
apresentamos a versão beta do ML Kit: um novo SDK que disponibiliza a especialização do Google em aprendizado de máquina aos desenvolvedores em um pacote avançado (mas fácil de usar) no Firebase.
E isso é incrível!
Aprendizado de máquina para todos os níveis de habilidade
Os primeiros passos com aprendizado de máquina podem ser difíceis para muitos desenvolvedores. Normalmente, os desenvolvedores iniciantes em ML passam horas incontáveis aprendendo as complexidades da implementação de modelos de baixo nível, o uso de estruturas e outros tópicos. Mesmo para um desenvolvedor experiente, adaptar e otimizar modelos para dispositivos móveis pode ser uma missão complicada. Além das complexidades do aprendizado de máquina, a obtenção de dados de treinamento pode ser um processo caro e demorado, principalmente quando o público é global.
Com o ML Kit, você pode usar aprendizado de máquina para criar recursos atraentes para Android e iOS, independentemente do seu conhecimento dessa tecnologia. Veja mais detalhes abaixo.
Pronto para produção para casos de uso comuns
Se você é um iniciante que só quer colocar tudo isso para funcionar, o ML Kit fornece cinco APIs prontas para usar ("básicas") para atender a casos de uso comuns nos dispositivos móveis:
Reconhecimento de texto
Detecção de face
Leitura de código de barras
Marcação de imagens
Reconhecimento de locais importantes
Com essas APIs básicas, basta passar os dados ao ML Kit para receber uma resposta intuitiva. Por exemplo: o
Lose It!
, um dos nossos primeiros usuários, usou o ML Kit para criar diversos recursos na versão mais recente do seu
aplicativo de controle de calorias
. Usando nossa API de reconhecimento de texto e um modelo personalizado, o aplicativo captura rapidamente informações nutricionais de rótulos de produtos para identificar o conteúdo de um alimento a partir de uma imagem.
O ML Kit oferece APIs para uso no dispositivo e na nuvem com uma interface simples e comum, o que permite escolher a opção mais adequada aos seus requisitos. As APIs no dispositivo processam rapidamente os dados e funcionam mesmo sem conexão de rede. As APIs de nuvem usam o poder da tecnologia de aprendizado de máquina do Google Cloud Platform para oferecer um nível maior de precisão.
Veja essas APIs em ação no
console do Firebase
:
Aviso
: pretendemos lançar mais duas APIs nos próximos meses. A primeira é uma API de resposta inteligente, que permite oferecer respostas contextuais a mensagens no aplicativo, e a segunda adiciona o contorno de face de alta densidade à API de detecção de face. Cadastre-se
aqui
para experimentar as novas APIs.
Implementação de modelos personalizados
Se você tem experiência com aprendizado de máquina e não encontrou uma API básica que faz o que você precisa, com o ML Kit você pode implantar os seus próprios modelos do
TensorFlow Lite
. Basta fazer upload desses modelos no console do Firebase. A hospedagem e a disponibilização para os usuários do aplicativo ficam por nossa conta. Assim, você não precisa incluir os modelos em APKs/pacotes e reduz o tamanho da instalação do aplicativo. Além disso, como o ML Kit disponibiliza dinamicamente os modelos, você pode atualizá-los quando quiser, sem precisar publicar o aplicativo novamente.
Mas não é só isso. Com o crescimento da funcionalidade dos aplicativos, seu tamanho aumentou, causando a queda das taxas de instalação e possíveis custos adicionais de excesso de dados para os usuários. Os modelos de aprendizado de máquina, com tamanhos que podem chegar a dezenas de megabytes, agravam ainda mais essa tendência. Por isso, decidimos investir na compactação de modelos. Mais especificamente, estamos experimentando um recurso que permite fazer upload de um modelo do TensorFlow completo com dados de treinamento e receber um modelo do TensorFlow Lite compactado. A
tecnologia
por trás dessa funcionalidade está evoluindo rapidamente. Estamos procurando desenvolvedores interessados em experimentar essa tecnologia e nos enviar suas opiniões. Se você é um desses desenvolvedores, cadastre-se
aqui
.
Nada melhor que usar também os outros produtos do Firebase
Como o ML Kit está disponível no Firebase, fica fácil aproveitar toda a ampla plataforma do Firebase. Por exemplo, com o
Remote Config
e os
testes A/B
, é possível experimentar vários modelos personalizados. Você pode alternar dinamicamente valores nos aplicativos, o que é ideal para mudar em tempo real os modelos personalizados usados pelos usuários. Você pode até segmentar a população e experimentar vários modelos em paralelo.
Algumas outras possibilidades são:
armazenar rótulos de imagem no
Cloud Firestore
medir a latência de processamento com o
Performance Monitoring
entender o impacto do envolvimento dos usuários com o
Google Analytics
e muito mais
Agora é só começar a usar!
Estamos ansiosos para ver o que você vai criar com o ML Kit. Esperamos que você adore o produto tanto ou mais que nossos primeiros clientes:
Comece a usar o ML Kit beta acessando agora o
Firebase console
. Estamos sempre interessados em suas ideias e opiniões.
Fale conosco
!
Solicitar acesso
Nenhum comentário :
Postar um comentário
Labels
+page
1
A/B
1
Action
1
Adaptive Battery
1
AddThis
1
ADK
1
ADL
1
Admin do Firebase
1
AdMob
6
Ads
2
AdWords
1
AdX
1
AI
4
algoritmo
1
AMP
4
AMP Project
1
Analytics API
1
Android
49
Android 8.0 Oreo
1
Android 8.1
1
Android ADK
2
Android API
2
Android App Bundle
1
Android Developers
23
Android Marshmallow
1
Android N
3
Android Nougat
2
Android P
3
Android P Beta 2
1
Android Preview
1
Android SDK
1
android studio
7
Android Studio 3.2
1
android wear
2
AndroidDev
6
Announcement
2
api
11
APIs
2
Aplicativos
4
app
1
App Engine
1
Apps
9
AR
1
ARCore
1
artificial intelligence
1
AsyncTask
1
AUC
1
AutoAugment
1
Avro
1
Awareness API
1
BigQuery
1
BiometricPrompt
1
Bot
1
bytecode Dalvik
1
CameraDevice
1
canary
1
Cast
1
Chrome
6
Chrome 68
1
Chrome DevTools
1
Chrome OS
1
Chromecast
1
Chromium
2
CI
1
Cloud
6
Cloud Computing
1
Cloud Console
1
Cloud Developers
2
Cloud Firestore
1
Cloud Messaging
1
Cloud Shell
1
Cloud Source Repositories
1
Cloud Spanner
2
CodeSchool
1
código aberto
2
Compute Engine
1
ConfigMap
1
Container Builder
1
CPU
2
Crash Reporting
2
Crashlytics
3
credential api
1
criptografia
1
CSS
3
CSS Grid Layout
1
CSV
1
CTA
1
Curitiba
1
Dart API
1
DBAs
1
DCGAN
1
Desenvolvedores Google
11
Desenvolvimento
3
DevBusBrasil
1
DevBytes
2
Developer Bus
1
Developer Preview
1
developer quiz
1
DevFest
2
DevFest16
1
DevFestW
1
DFP
2
Dialogflow
1
documentação
1
Dragon Ball Legends
1
E2E
1
eclipse
1
end-to-end-encryption
1
Estimator
1
Estimators API
1
estudantes
1
Eventos
15
Famílias multilíngue
1
FCM
2
Featured
1
Firebase
22
Firebase Analytics
6
Firebase App Indexing
2
Firebase Cloud Messaging
4
Firebase Crashlytics
2
Firebase Dynamic Links
3
Firebase In-App Messaging
1
Firebase Invites
2
Firebase Lab
1
Firebase Links Dinamicos
1
Firebase Notifications
3
Firebase Remote Config
1
Flutter
2
FRR
1
G+
1
game
1
game dev
3
Games
2
games services
1
GCloud
3
GCM
1
GCP
4
GDD
7
GDE
1
GDG
12
GDG Curitiba
1
GDG Floripa
1
GDG OpenSampa
1
GDG Porto Alegre
1
GDG Recife
1
GDG SP
3
GDL
1
Git
1
GitHub
1
Google
3
Google AI
1
Google Analytics
1
Google Assistant
1
Google Assistente
2
Google Brain
2
Google Cast SDK
1
google clou
1
Google Cloud
11
Google Cloud Certified
1
Google Cloud Platform
2
google code-in
1
Google Developer Advocate
1
Google Developer Expert
1
Google Developers
11
Google I/O
5
Google Play
14
Google Play Games services
1
Google Play Protect
1
Google Play Services
4
Google Slides
1
Google Speech
1
google summer of code
1
Google+
2
Google+ sign-in
1
GPU
2
GSuites
1
Hackathon
1
Hangouts
1
Hangouts Chat
1
HDR
1
High Quality Apps
2
HTML5
6
HTTP
3
HTTPS
2
HttpURLConnection
2
I/O
1
IA
1
Illusive Images
1
In-App Messaging
1
Inglês
1
Instant Apps
1
inteligencia artificial
1
IntelliJ REPL
1
IntentService
1
Interoperabilidade
1
IO Extended
1
IO13
1
iOS
8
Java 8
1
javascript
2
JSON
2
Keyboard Map API
1
Knowledge Connectors
1
Kotlin
2
Kotlin da Udacity
1
Kubernetes
4
LangID
1
Launchpad
1
launchpad accelerator
2
Learning Augmentation
1
LEGO
1
Listas
1
ListFragment
1
Machine Learning
2
Meetup
2
mensagens
1
Mentoria
1
Messaging
2
ML
1
Mobile
3
Mobile Ads SDK
1
Monetização
3
Monetize
3
MySQL
1
Native
1
Neto Marin
2
Next Level Apps
2
Next Level Tips
2
Node.js
2
Notificações
1
OAuth
1
open source
3
Options Menu
1
Options Menu virtual
1
Orkut
2
Payment Request
1
pesquisa
1
PHA
1
Phone Gateway
1
Play Services
1
Porto Alegre
1
Preact
1
program
1
progressive web apps
2
Push Notification
2
Python
1
Raspberry Pi
1
RBDMS
1
React
1
recording apis
1
remarketing
1
Remote Config
2
research
4
ResultReceiver
1
reward
1
RNN
1
SDK
4
SDK Manager
3
Security
2
Server
1
service worker
1
sign-in
1
Sliding Tabs
1
social
6
Spark
1
SRE
1
Stack
1
Stack Overflow
1
Startups
2
Storage
2
story
1
Support Library
1
Svelte
1
Tag Manager
1
Tag Manager 360
1
tensorflow
3
TensorFlow Hub
1
Test Lab
2
Testes
1
TF Hub
1
tf.keras
1
tradução
1
Udacity
1
Universal Apps
1
user experience
1
ux
1
Volley
1
vr
2
vulnerabilidades
1
vulnerabilidades do Google
1
vulnerability
1
web
2
web dev
2
WebKit
1
webservice
3
WorkerDOM
1
YouTube
4
YouTube API
1
Archive
2018
set
ago
jul
jun
mai
abr
mar
fev
2017
ago
jul
jun
mai
abr
mar
jan
2016
dez
nov
out
set
ago
jul
mai
mar
2014
jul
jun
abr
mar
fev
2013
dez
nov
out
set
ago
jul
jun
mai
mar
fev
jan
2012
nov
jul
jun
mai
abr
mar
2011
nov
set
ago
jul
jun
Feed
Follow @googledevbr
Nenhum comentário :
Postar um comentário