Android Training Program - Portugal, Aula 9

Aula #9 ML Kit: Machine Learning para iniciantes 🧩

O ML Kit traz a experiência de Machine learning da Google aos programadores de dispositivos móveis num pacote poderoso e fácil de usar. Torna as tuas aplicações iOS e Android mais atrativas, personalizados e úteis com soluções otimizadas para execução no dispositivo.

Transcript

1. Android
   Training
   Program
   PORTUGAL
   Aula #9
   ML Kit: Machine Learning
   para iniciantes
   

   View Slide

2. ● Sejam excelentes uns para os outros
   ● Fale mais alto se vir ou ouvir alguma coisa
   ● O assédio não é tolerado
   ● Pratique "Sim e" um ao outro
   Código de conduta
   Mais informações: http://bit.ly/2IhF0l3
   

   View Slide

3. Andres-Leonardo
   Martinez-Ortiz
   Google
   Carlos Mota
   Formador
   Renato Almeida
   Formador
   @davilagrau @cafonsomota @tallnato
   Equipa
   Daniela Ferreira
   Gestora de
   comunidades
   

   View Slide

4. ● 12 aulas
   ● 1h30 cada aula
   ● ~1 aula por semana
   ● 14 Outubro a 16 Dezembro
   ● YouTube live
   ● Suporte assíncrono contínuo via Discord/email
   ● Todo o código disponível no GitHub
   Photo by Arif Riyanto on Unspla
   O programa
   

   View Slide

5. #0
   14 de Outubro
   Pronto para
   começar
   #1
   21 de Outubro
   Bem-vindos ao
   Android
   #2
   28 de Outubro
   Fundações I
   #3
   04 de Novembro
   Fundações II
   #4
   11 de Novembro
   Fundações III
   #5
   18 de Novembro
   Listas, listas e
   mais listas
   #6
   25 de Novembro
   Jetpack,
   Jetpack,
   Jetpack!
   #7 - #8
   02 - 03 de Dezembro
   Firebase
   #9 - #10
   09 - 10 de Dezembro
   MLKit &
   TensorFlow
   #11
   16 de Dezembro
   Resumo
   Semana Semana
   Calendário
   ✅ ✅ ✅ ✅
   Direto
   ✅
   ✅ ✅ ✅
   

   View Slide

6. Sumário
   Photo by Mika Baumeister on Unsplash
   ● Resumo da aula anterior
   ● Introdução ao Machine Learning
   ● ML Kit
   ● Kotlin para principiantes
   ● É Natal
   

   View Slide

7. http://events.withgoogle.com/atp2020
   ✉ atp-suporte@googlegroups.com
   http://bit.ly/atp2020-youtube
   http://bit.ly/atp2020-discord
   Links
   

   View Slide

8. http://bit.ly/atp2020-live
   

   View Slide

9. http://bit.ly/atp2020-codelabs
   

   View Slide

10. http://bit.ly/kahoot-aula9
    

    View Slide

11. Resumo da Aula #8
    
    

    View Slide

12. ● O Cloud storage é um serviço de armazenamento poderoso, simples e
    barato desenvolvido para a escala da Google
    ● Os SDK’s disponíveis adicionam a segurança da Google para as
    transferências dos ficheiros
    ● É possível armazenar imagens, áudios, vídeos ou outros tipos de conteúdos
    Cloud Storage
    

    View Slide

13. ● Relatórios de falhas completos e em tempo real
    ● Permite encontrar rapidamente a causa das falhas
    ● As falhas são priorizadas de forma a permitir identificar o que corrigir
    primeiro
    ● Alertas em tempo real
    Crashlytics
    

    View Slide

14. ● Mede automaticamente o tempo de arranque da aplicação, pedidos HTTP à
    rede, entre outros
    ● Permite observar situações em que a aplicação possa ser mais rápida
    ● Permite customizar os parâmetros a monitorizar da aplicação
    Performance
    

    View Slide

15. ● Enviar notificações ou mensagens com dados
    ● Permite direcionar as notificações para diferentes utilizadores de forma versátil
    ● Permite enviar mensagens através dos clientes
    Push Notifications
    

    View Slide

16. ● Camada sobre Google Analytics
    ● Solução de analytics grátis e ilimitada
    ● Permite reportar até 500 eventos distintos
    ● Os relatórios ajudam a perceber o como os utilizadores se comportam, o
    que permite tomar decisões informadas sobre marketing e otimizações de
    performance
    Analytics
    

    View Slide

17. Aula #9
    
    

    View Slide

18. Luiz Gustavo
    @gusthema
    TensorFlow Developer Advocate
    Google
    O que é
    Machine Learning?
    

    View Slide

19. Machine Learning
    

    View Slide

20. View Slide

21. 
    Machine learning
    Algoritmos
    Deep learning
    Inteligência artificial
    ...
    

    View Slide

22. ● Pode ser visto como uma forma de ajudar o software a realizar uma tarefa
    sem programar explicitamente ou criar regras
    ● Na programação tradicional, um programador especifica as regras que o
    computador deve usar
    ● Focado mais em análise de dados do que em programação
    ● São disponibilizados um conjunto de exemplos e o computador aprende a
    partir destes dados
    ● Podemos ver o machine learning como “programar com dados”
    Machine learning
    

    View Slide

23. Photo by Eugene Chystiakovl
    

    View Slide

24. Photo by Eugene Chystiakovl
    ● IBM Deep Blue vence o campeão do mundo de Xadrez Garry Kasparov
    ● Uma base de dados com mais de 700 mil partidas de Xadrez
    ● Que combina com o jogo atual de forma a escolher a melhor jogada
    ● O mesmo jogo tem sempre o mesmo resultado
    ● Não existe o conceito de machine learning presente
    ○ Mas sim o de uma inteligência artificial no seu início
    

    View Slide

25. theverge.com/2019/10/30/20939147/deepmind-google-alphastar-starcraft-2-research-grandmaster-level
    

    View Slide

26. ● Extrapolar dados
    ● Evitar fraudes
    ● Identificar oportunidades de investimento
    ● Auxiliar os investidores a decidir quando
    negociar
    ● Identificar clientes com perfis de alto risco
    Banca e finanças
    Onde é aplicado?
    Photo by Micheile Henderson
    https://www.sas.com/en_us/insights/analytics/machine-learning.html
    

    View Slide

27. ● Analisam várias fontes de dados, de forma
    a aumentar a eficiência e economizar
    dinheiro
    ● Ajuda na detecção de fraudes e minimizar
    o roubo de identidade
    Governos
    Onde é aplicado?
    Photo by Marco Oriolesi
    https://www.sas.com/en_us/insights/analytics/machine-learning.html
    

    View Slide

28. ● Através da análise dos dados de wearables e
    outros tipos de sensores, permite avaliar o
    paciente em tempo real
    ● Identificar tendências ou sinais de alerta de
    forma a melhorar os diagnósticos e
    tratamentos
    ● Serve de complemento para os diagnósticos
    médicos
    Saúde
    Onde é aplicado?
    Photo by Online Marketing
    

    View Slide

29. https://about.google/intl/ALL_us/stories/seeingpotential/
    

    View Slide

30. ● Recomendação de produtos que o cliente
    poderá gostar, com base em compras
    anteriores
    ● Analisa a interação do utilizador e melhora a
    experiência de compra
    ○ Campanhas publicitárias dirigidas
    ● Otimização de preços
    ● Gestão de mercadorias
    Retalho
    Onde é aplicado?
    Photo by Eduardo Soares
    https://www.sas.com/en_us/insights/analytics/machine-learning.html
    

    View Slide

31. Navegação com uma conta registada
    

    View Slide

32. Navegação em modo anónimo
    

    View Slide

33. ● Identificar padrões e tendências
    ● Tornar os percursos mais eficientes
    ○ Caminhos alternativos ao trânsito
    ● Prever potenciais problemas
    Transporte
    Onde é aplicado?
    Photo by frank mckenna
    https://www.sas.com/en_us/insights/analytics/machine-learning.html
    

    View Slide

34. ● Reduzir a pegada ecológica
    ● Prever alterações climatéricas
    ● Agricultura mais sustentável, identificando:
    ○ Áreas que precisem de ser regadas
    ○ Qual vai ser o escoamento da produção
    ○ Possíveis pestes que possam surgir
    ●
    O mundo à nossa volta
    Onde é aplicado?
    Photo by Gustavo Quepón
    

    View Slide

35. https://about.google/intl/ALL_us/stories/save-the-bees/
    

    View Slide

36. ● Sistemas de recomendação como os da Netflix, YouTube ou Spotify
    ● Motores de busca como Google
    ● Toda a informação que te faz fazer scroll continuamente nas redes sociais
    ● Assistentes de voz como o Assistente da Google, Siri ou Alexa
    Exemplos do dia a dia
    

    View Slide

37. ● Cada plataforma guarda o maior número de dados sobre as ações dos
    utilizadores
    ○ que imagens fizeram "gosto"
    ○ que páginas visitaram
    ○ quanto tempo estiveram a explorar
    ● Com toda esta informação, e um complexo mecanismo de machine learning,
    vamos cada vez recebendo mais informações dirigidas aos nossos gostos
    Exemplos do dia a dia
    

    View Slide

38. ML Kit
    

    View Slide

39. ● O ML Kit leva a experiência em machine learning até aos dispositivos móveis
    ● É uma biblioteca poderosa e fácil de utilizar
    ● Permite que as aplicações Android/iOS
    ○ Sejam personalizadas com base nas interações dos utilizadores
    ○ Ao mesmo tempo, está otimizada para correr nestes dispositivos
    ● Totalmente gratuito
    Machine learning para dispositivos móveis
    

    View Slide

40. ● O processamento do ML Kit é feito no dispositivo, tornando-o mais rápido
    ● Permite casos de uso de processamento em tempo real, tais como
    processamento de imagens/vídeo da câmera
    ● Também funciona offline e pode ser utilizado para processar imagens e
    texto que necessitem de permanecer no dispositivo
    Otimizado para dispositivos móveis
    

    View Slide

41. ● Permite aproveitar as vantagens das tecnologias de machine learning que
    potencializam as próprias experiências e aplicações em dispositivos móveis
    da Google
    Desenvolvido com a experiência da Google
    

    View Slide

42. ● O ML Kit combina os melhores modelos de machine learning com canais de
    processamento bastante avançados e oferece isto através de APIs fáceis de
    utilizar, que permitem casos de uso bastante poderosos para aplicações
    móveis
    Fácil de utilizar
    

    View Slide

43. Visão Linguagem natural
    

    View Slide

44. ● Identificar e processar códigos de barras
    ● Suporta a maioria dos formatos de 1D e 2D disponíveis
    Detectar códigos de barras
    Visão
    

    View Slide

45. Detectar códigos de barras
    Funcionalidade Não integrado na app Integrado na app
    Implementação O modelo é carregado
    dinamicamente do Google Play
    Services
    O modelo é integrado na
    aplicação em tempo de
    compilação
    Tamanho do APK Sem impacto ≈ 2.2MB
    Tempo de inicialização Poderá ser necessário esperar
    que o modelo seja transferido
    antes do primeiro uso
    O modelo está disponível
    imediatamente
    

    View Slide

46. dependencies {
    // Modelo integrado na aplicação
    implementation 'com.google.mlkit:barcode-scanning:16.0.3'
    // Modelo disponível pelos Google Play Services
    implementation 'com.google.android.gms:play-services-mlkit-barcode-scanning:16.1.2'
    }
    Como utilizar?
    Importar a biblioteca
    app/build.gradle
    

    View Slide

47. // Se utilizarmos a versão não integrada
    // É opcional, mas recomendado para transferir automaticamente os modelos
    
    ...
    android:name="com.google.mlkit.vision.DEPENDENCIES"
    android:value="barcode" />
    
    
    Como utilizar?
    Importar a biblioteca
    AndroidManifest.xml
    

    View Slide

48. Exemplo
    ● Limites
    ○ (49,125), (172,125), (172,160), (49,160)
    ● Valor
    ○ 2404105001722
    

    View Slide

49. Exemplo
    ● Limites
    ○ (87,87) (612,87) (612,612) (87,612)
    ● Valor
    ○ WIFI:S:SB1Guest;P:12345;T:WEP;;
    ○ SSID - SB1Guest
    ○ Password - 12345
    ○ Type - WEP
    

    View Slide

50. https://developers.google.com/ml-kit/vision/barcode-scanning
    

    View Slide

51. Demo
    https://github.com/googlesamples/mlkit
    

    View Slide

52. ● Detetar rostos
    ● Identificar características faciais
    ● Obter os contornos dos rostos
    Deteção de caras
    Visão
    

    View Slide

53. Deteção de caras
    Funcionalidade Não integrado na app Integrado na app
    Implementação O modelo é carregado
    dinamicamente do Google Play
    Services
    O modelo é integrado na
    aplicação em tempo de
    compilação
    Tamanho do APK Sem impacto ≈ 16MB
    Tempo de inicialização Poderá ser necessário esperar
    que o modelo seja transferido
    antes do primeiro uso
    O modelo está disponível
    imediatamente
    

    View Slide

54. dependencies {
    // Modelo integrado na aplicação
    implementation 'com.google.mlkit:face-detection:16.0.2'
    // Modelo disponível pelos Google Play Services
    implementation 'com.google.android.gms:play-services-mlkit-face-detection:16.1.1'
    }
    Como utilizar?
    Importar a biblioteca
    app/build.gradle
    

    View Slide

55. // Se utilizarmos a versão não integrada
    // É opcional, mas recomendado para transferir automaticamente os modelos
    
    ...
    android:name="com.google.mlkit.vision.DEPENDENCIES"
    android:value="face" />
    
    
    Como utilizar?
    Importar a biblioteca
    AndroidManifest.xml
    

    View Slide

56. Exemplo
    ● Cara
    ○ (884.880004882812, 149.546676635742), (1030.77197265625, 149.546676635742),
    (1030.77197265625, 329.660278320312), (884.880004882812, 329.660278320312)
    ● Olho esquerdo
    ○ (945.869323730469, 211.867126464844)
    ● Olho direito
    ○ (971.579467773438, 247.257247924805)
    ● Boca
    ○ (907.756591796875, 259.714477539062)
    ● Probabilidade
    ○ Sorriso - 0.88979166746139526
    ○ Olho esquerdo aberto - 0.98635888937860727
    ○ Olho direito aberto - 0.99258323386311531
    Deteção de caras
    

    View Slide

57. Exemplo
    ● Nariz
    ○ (505.149811, 221.201797), (506.987122, 313.285919)
    ● Olho esquerdo
    ○ (404.642029, 232.854431), (408.527283, 231.366623),
    (413.565796, 229.427856), (421.378296, 226.967682),
    (432.598755, 225.434143), (442.953064, 226.089508),
    (453.899811, 228.594818), (461.516418, 232.650467),
    (465.069580, 235.600845), (462.170410, 236.316147),
    (456.233643, 236.891602), (446.363922, 237.966888),
    (435.698914, 238.149323), (424.320740, 237.235168),
    (416.037720, 236.012115), (409.983459, 234.870300)
    ● Parte de cima do lábio
    ○ (421.662048, 354.520813), (428.103882, 349.694061),
    (440.847595, 348.048737), (456.549988, 346.295532),
    (480.526489, 346.089294), (503.375702, 349.470459),
    (525.624634, 347.352783), (547.371155, 349.091980),
    (560.082031, 351.693268), (570.226685, 354.210175),
    (575.305420, 359.257751)
    Contorno da cara
    

    View Slide

58. https://developers.google.com/ml-kit/vision/face-detection
    

    View Slide

59. Demo
    https://github.com/googlesamples/mlkit
    

    View Slide

60. ● Detetar e extrair informações dos objetos
    ● Identifica objetos, locais, espécies de animais, produtos, entre outros
    ● Consegue identificar cerca de 400 entidades diferentes
    Classificação de imagens
    Visão
    

    View Slide

61. Classificação de imagens
    Funcionalidade Não integrado na app Integrado na app
    Implementação O modelo é carregado
    dinamicamente do Google Play
    Services
    O modelo é integrado na
    aplicação em tempo de
    compilação
    Tamanho do APK Sem impacto ≈ 3MB
    Tempo de inicialização Poderá ser necessário esperar
    que o modelo seja transferido
    antes do primeiro uso
    O modelo está disponível
    imediatamente
    

    View Slide

62. dependencies {
    // Modelo integrado na aplicação
    implementation 'com.google.mlkit:image-labeling:17.0.0'
    // Modelo disponível pelos Google Play Services
    implementation 'com.google.android.gms:play-services-mlkit-image-labeling:16.0.0'
    }
    Como utilizar?
    Importar a biblioteca
    app/build.gradle
    

    View Slide

63. // Se utilizarmos a versão não integrada
    // É opcional, mas recomendado para transferir automaticamente os modelos
    
    ...
    android:name="com.google.mlkit.vision.DEPENDENCIES"
    android:value="ica" />
    
    
    Como utilizar?
    Importar a biblioteca
    AndroidManifest.xml
    

    View Slide

64. Exemplo
    Classificação de imagens
    Texto Confiança
    Estádio 0.9205354
    Desporto 0.7531109
    Evento 0.66905296
    Lazer 0.59904146
    Futebol 0.56384534
    Rede 0.54679185
    Planta 0.524364
    

    View Slide

65. https://developers.google.com/ml-kit/vision/image-labeling
    

    View Slide

66. Demo
    https://cloud.google.com/vision/docs/drag-and-drop
    

    View Slide

67. ● Localizar e seguir até 5 objetos diretamente da câmera ou de uma imagem,
    fornecendo a sua posição e um ID que permite identificar esse objeto num
    vídeo
    ● Permite personalizar a classificação de objetos com modelos do TensorFlow
    Lite
    Detectar e seguir objetos
    Visão
    

    View Slide

68. dependencies {
    // Apenas disponível integrado na aplicação
    implementation 'com.google.mlkit:object-detection:16.2.1'
    }
    Como utilizar?
    Importar a biblioteca
    app/build.gradle
    

    View Slide

69. Detetar e seguir objetos
    Limites (95, 45), (496, 45), (496, 240), (95, 240)
    Categoria PLACE
    Confiança 0.9296875
    Limites (84, 46), (478, 46), (478, 247), (84, 247)
    Categoria PLACE
    Confiança 0.8710938
    Limites (53, 45), (519, 45), (519, 240), (53, 240)
    Categoria PLACE
    Confiança 0.8828125
    

    View Slide

70. Exemplo
    Detetar e seguir objetos
    Objeto 1
    Limites (1, 97), (332, 97), (332, 332), (1, 332)
    Categoria FASHION_GOOD
    Confiança 0.95703125
    Objeto 2
    Limites (186, 80), (337, 80), (337, 226), (186, 226)
    Categoria FASHION_GOOD
    Confiança 0.84375
    Objeto 3
    ...
    Objeto 4
    ...
    

    View Slide

71. https://developers.google.com/ml-kit/vision/object-detection
    

    View Slide

72. ● Reconhecimento e extração de texto de imagens
    ● Facilita a deteção de cartões de crédito, recibos ou cartões de visita
    Reconhecimento de texto
    Visão
    

    View Slide

73. Exemplo
    Reconhecimento de texto
    Texto reconhecido
    Texto Wege
    der parlamentarischen
    Demokratie
    Bloco 0
    Texto Wege der parlamentarischen Demokratie
    Frame (117.0, 258.0, 190.0, 83.0)
    Limites (117, 270), (301.64, 258.49), (306.05, 329.36),
    (121.41, 340.86)
    Língua reconhecida de
    Linha 0
    Texto Wege der
    Elemento 0
    Texto Wege
    

    View Slide

74. dependencies {
    // Apenas disponível pelos Google Play Services
    implementation 'com.google.android.gms:play-services-mlkit-text-recognition:16.1.1'
    }
    Como utilizar?
    Importar a biblioteca
    app/build.gradle
    

    View Slide

75. // Se utilizarmos a versão não integrada
    // É opcional, mas recomendado para transferir automaticamente os modelos
    
    ...
    android:name="com.google.mlkit.vision.DEPENDENCIES"
    android:value="ocr" />
    
    
    Como utilizar?
    Importar a biblioteca
    AndroidManifest.xml
    

    View Slide

76. https://developers.google.com/ml-kit/vision/text-recognition
    

    View Slide

77. ● Reconhece texto manuscrito e formas desenhadas à mão numa superfície
    digital
    ● Usa a mesma tecnologia utilizada no teclado GBoard e Google tradutor para
    deteção de escrita manual
    Reconhecimento de escrita
    Visão
    

    View Slide

78. dependencies {
    // Apenas disponível integrado na aplicação
    implementation 'com.google.mlkit:digital-ink-recognition:16.0.0'
    }
    Como utilizar?
    Importar a biblioteca
    app/build.gradle
    

    View Slide

79. Exemplo
    Reconhecimento de escrita
    Traço 1 x 392, 391, 389, 287, ...
    y 52, 60, 76, 97, ...
    t 0, 37, 56, 75, ...
    Traço 2 x 497, 494, 493, 490, ...
    y 167, 165, 165, 165, ...
    t 694, 742, 751, 770, ...
    ...
    

    View Slide

80. Exemplo
    Reconhecimento de escrita
    Resultados do reconhecimento
    #1 handw
    #2 handrw
    #3 hardw
    #4 handu
    #5 handwe
    ...
    

    View Slide

81. Exemplo
    Reconhecimento de escrita
    Traço 1 x 269, 266, 262, 255, ...
    y 40, 40, 40, 41, ...
    t 0, 36, 56, 75, ...
    Traço 2 x 179, 182, 183, 185, ...
    y 157, 158, 159, 160, ...
    t 2475, 2522, 2531,
    2541, ...
    ...
    

    View Slide

82. Exemplo
    Reconhecimento de escrita
    Resultados do reconhecimento
    #1 (U+1f62d)
    #2 (U+1f605)
    #3 (U+1f639)
    #4 (U+1f604)
    #5 (U+1f606)
    ...
    

    View Slide

83. https://developers.google.com/ml-kit/vision/digital-ink-recognition
    

    View Slide

84. Demo
    https://quickdraw.withgoogle.com/
    

    View Slide

85. ● Permite detetar a posição do corpo humano em tempo real de um vídeo ou
    de uma imagem estática
    ● Detecta partes do corpo humano tais como ombros e cintura
    Deteção de poses
    Visão
    

    View Slide

86. Deteção de poses
    Funcionalidade Deteção Base Deteção precisa
    Implementação O modelo é integrado na
    aplicação em tempo de
    compilação
    O modelo é integrado na
    aplicação em tempo de
    compilação
    Tamanho do APK ≈ 6.6MB ≈ 20MB
    Performance Pixel 4: ~30FPS Pixel 4: ~21FPS
    

    View Slide

87. dependencies {
    // Apenas disponível integrado na aplicação
    // SDK base
    implementation 'com.google.mlkit:pose-detection:17.0.0'
    // SDK com precisão
    implementation 'com.google.mlkit:pose-detection-accurate:17.0.0'
    }
    Como utilizar?
    Importar a biblioteca
    app/build.gradle
    

    View Slide

88. Exemplo
    Deteção de poses
    

    View Slide

89. Exemplo
    Deteção de poses
    Marco Tipo Posição Está no frame?
    0 NOSE 506.89526,
    232.98584
    0.9999994
    1 LEFT_EYE_INNER 524.4051, 212.25941 0.9999995
    2 LEFT_EYE 535.0669, 212.34688 0.99999946
    3 LEFT_EYE_OUTER 545.6083,
    212.80696
    0.9999991
    4 RIGHT_EYE_INNER 495.92175,
    210.01476
    0.9999995
    5 RIGHT_EYE 485.4411, 209.35492 0.99999946
    6 RIGHT_EYE_OUTER 475.10806,
    208.29173
    0.9999988
    7 LEFT_EAR 560.1211, 223.12553 0.9999993
    

    View Slide

90. https://developers.google.com/ml-kit/vision/pose-detection
    

    View Slide

91. Demo
    https://github.com/googlesamples/mlkit
    

    View Slide

92. ● Permite detetar o idioma apenas com algumas palavras
    ● Consegue identificar mais de 100 idiomas diferentes
    Identificação do idioma
    Linguagem natural
    

    View Slide

93. Identificação simples de idioma
    "My hovercraft is full of eels." en (English)
    "Dao shan xue hai" zh-Latn (Latinized Chinese)
    "ph'nglui mglw'nafh wgah'nagl fhtagn" und (undetermined)
    Distribuição de confiança
    "an amicable coup d'etat" en (0.52)
    fr (0.44)
    ca (0.03)
    Exemplo
    Identificação do idioma
    

    View Slide

94. dependencies {
    // Apenas disponível integrado na aplicação
    implementation 'com.google.mlkit:language-id:16.1.1'
    }
    Como utilizar?
    Importar a biblioteca
    app/build.gradle
    

    View Slide

95. https://developers.google.com/ml-kit/language/identification
    

    View Slide

96. ● Permite traduzir entre 58 idiomas, tudo no dispositivo, mas apenas para
    traduções simples
    ● Permite transferir outros idiomas (30MB cada)
    Tradução no dispositivo
    Linguagem natural
    

    View Slide

97. dependencies {
    // Apenas disponível integrado na aplicação
    implementation 'com.google.mlkit:translate:16.1.1'
    }
    Como utilizar?
    Importar a biblioteca
    app/build.gradle
    

    View Slide

98. https://developers.google.com/ml-kit/language/translation
    

    View Slide

99. Demo
    play.google.com/store/apps/details?&id=com.google.android.apps.translate
    

    View Slide

100. ● Gera sugestões relevantes de respostas em conversas de texto
     ● Utiliza o contexto de toda a conversa para dar sugestões
     ● Tudo no dispositivo, sem necessitar de enviar as conversas para o servidor
     ● Apenas funciona em Inglês
     Sugestões de respostas
     Linguagem natural
     

     View Slide

101. dependencies {
     // Apenas disponível integrado na aplicação
     implementation 'com.google.mlkit:smart-reply:16.1.1'
     }
     ...
     android {
     aaptOptions {
     // Desactivar a compressão de ficheiros ‘tflite’
     noCompress “tflite”
     }
     }
     Como utilizar?
     Importar a biblioteca
     app/build.gradle
     

     View Slide

102. Conversa
     UserID Utilizador local? Mensagem
     true “are you on your way?”
     FRIEND0 false “Running late, sorry!”
     Exemplo
     Sugestões de respostas
     Sugestão de respostas
     Sugestão #1 Sugestão #2 Sugestão #3
     No worries No problem!
     

     View Slide

103. https://developers.google.com/ml-kit/language/smart-reply
     

     View Slide

104. https://developers.google.com/ml-kit
     

     View Slide

105. https://developers.google.com/ml-kit
     

     View Slide

106. https://developers.google.com/ml-kit
     

     View Slide

107. Abre o Android
     Studio e vamos
     começar a
     programar
     ‍‍
     

     View Slide

108. VS
     Ronda 8
     

     View Slide

109. class HomeFragment : Fragment() {
     private val viewModel by viewModels()
     override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
     super.onViewCreated(view, savedInstanceState)
     }
     private fun addDogAction() {
     val dog = getDog()
     if (dog.isEating()) {
     loadImage(dog)
     }
     }
     }
     Scope
     

     View Slide

110. Scope
     class HomeFragment : Fragment() {
     private val viewModel by viewModels()
     override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
     super.onViewCreated(view, savedInstanceState)
     viewModel.start()
     }
     private fun addDogAction() {
     val dog = getDog()
     if (dog.isEating()) {
     loadImage(dog)
     }
     }
     }
     

     View Slide

111. Scope
     class HomeFragment : Fragment() {
     private val viewModel by viewModels()
     override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
     super.onViewCreated(view, savedInstanceState)
     viewModel.start()
     }
     private fun addDogAction() {
     viewModel.start()
     val dog = getDog()
     if (dog.isEating()) {
     loadImage(dog)
     }
     }
     }
     

     View Slide

112. Scope
     class HomeFragment : Fragment() {
     private val viewModel by viewModels()
     override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
     super.onViewCreated(view, savedInstanceState)
     viewModel.start()
     }
     private fun addDogAction() {
     viewModel.start()
     val dog = getDog()
     if (dog.isEating()) {
     viewModel.start()
     loadImage(dog)
     }
     }
     }
     

     View Slide

113. Scope
     class HomeFragment : Fragment() {
     private val viewModel by viewModels()
     override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
     super.onViewCreated(view, savedInstanceState)
     }
     private fun addDogAction() {
     val dog = getDog()
     if (dog.isEating()) {
     loadImage(dog)
     }
     }
     }
     

     View Slide

114. Scope
     class HomeFragment : Fragment() {
     private val viewModel by viewModels()
     override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
     super.onViewCreated(view, savedInstanceState)
     }
     private fun addDogAction() {
     val dog = getDog()
     if (dog.isEating()) {
     loadImage(dog)
     }
     }
     }
     

     View Slide

115. Scope
     class HomeFragment : Fragment() {
     private val viewModel by viewModels()
     override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
     super.onViewCreated(view, savedInstanceState)
     }
     private fun addDogAction() {
     val dog = getDog()
     if (dog.isEating()) {
     val food = dog.food
     loadImage(dog)
     }
     }
     }
     

     View Slide

116. Scope
     class HomeFragment : Fragment() {
     private val viewModel by viewModels()
     override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
     super.onViewCreated(view, savedInstanceState)
     }
     private fun addDogAction() {
     val dog = getDog()
     if (dog.isEating()) {
     val food = dog.food
     loadImage(dog)
     }
     val breed = dog.breed
     }
     }
     

     View Slide

117. Scope
     class HomeFragment : Fragment() {
     private val viewModel by viewModels()
     override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
     super.onViewCreated(view, savedInstanceState)
     val food = dog.food
     }
     private fun addDogAction() {
     val dog = getDog()
     if (dog.isEating()) {
     val food = dog.food
     loadImage(dog)
     }
     val breed = dog.breed
     }
     }
     

     View Slide

118. Scope
     class HomeFragment : Fragment() {
     private val viewModel by viewModels()
     override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
     super.onViewCreated(view, savedInstanceState)
     val food = dog.food
     }
     private fun addDogAction() {
     val dog = getDog()
     if (dog.isEating()) {
     val food = dog.food
     loadImage(dog)
     }
     val breed = dog.breed
     }
     }
     ⚠ Unresolved reference: dog ⚠
     

     View Slide

119. Scope
     class HomeFragment : Fragment() {
     private val viewModel by viewModels()
     override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
     super.onViewCreated(view, savedInstanceState)
     }
     private fun addDogAction() {
     val dog = getDog()
     if (dog.isEating()) {
     loadImage(dog)
     }
     }
     }
     

     View Slide

120. Scope
     class HomeFragment : Fragment() {
     private val viewModel by viewModels()
     override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
     super.onViewCreated(view, savedInstanceState)
     }
     private fun addDogAction() {
     val dog = getDog()
     if (dog.isEating()) {
     val food = dog.food
     loadImage(dog)
     }
     }
     }
     

     View Slide

121. Scope
     class HomeFragment : Fragment() {
     private val viewModel by viewModels()
     override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
     super.onViewCreated(view, savedInstanceState)
     }
     private fun addDogAction() {
     val dog = getDog()
     if (dog.isEating()) {
     val food = dog.food
     loadImage(dog)
     }
     Log.d(TAG, food)
     }
     }
     

     View Slide

122. Scope
     class HomeFragment : Fragment() {
     private val viewModel by viewModels()
     override fun onViewCreated(view: View, savedInstanceState: Bundle?) {
     super.onViewCreated(view, savedInstanceState)
     }
     private fun addDogAction() {
     val dog = getDog()
     if (dog.isEating()) {
     val food = dog.food
     loadImage(dog)
     }
     Log.d(TAG, food)
     }
     } ⚠ Unresolved reference: food ⚠
     

     View Slide

123. Funções com scope
     run… with… run... let… apply… also...
     Precisam de:
     retornar uma instância do objeto que estão a aceder?
     sim.
     

     View Slide

124. Funções com scope
     Dog fifi = new Dog().Builder(“Fifi”)
     .age(2)
     .breed(“Yorkshire Terrier”)
     .weight(2.5)
     .build();
     apply
     val fifi = Dog(“Fifi”).apply {
     age = 2
     breed = “Yorkshire Terrier”
     weight = 2.5
     }
     

     View Slide

125. private var age = 20
     val fifi = Dog(“Fifi”).apply {
     age = 2
     breed = “Yorkshire Terrier”
     weight = 2.5
     }
     Funções com scope
     apply
     

     View Slide

126. Funções com scope
     apply
     private var age = 20
     val fifi = Dog(“Fifi”).apply {
     age = 2
     breed = “Yorkshire Terrier”
     weight = 2.5
     this.age = age
     }
     

     View Slide

127. private var age = 20
     val fifi = Dog(“Fifi”).apply {
     age = 2
     breed = “Yorkshire Terrier”
     weight = 2.5
     this.age = age
     }
     Funções com scope
     apply
     ⚠ this.age corresponds to Dog.age ⚠
     

     View Slide

128. Funções com scope
     Dog fifi = new Dog().Builder(“Fifi”)
     .age(2)
     .breed(“Yorkshire Terrier”)
     .weight(2.5)
     .build();
     also
     val fifi = Dog(“Fifi”).also { fifi ->
     fifi.age = 2
     fifi.breed = “Yorkshire Terrier”
     fifi.weight = 2.5
     }
     

     View Slide

129. private var age = 20
     val fifi = Dog(“Fifi”).also { fifi ->
     fifi.age = 2
     fifi.breed = “Yorkshire Terrier”
     fifi.weight = 2.5
     this.age = fifi.age
     }
     Funções com scope
     also
     

     View Slide

130. private var age = 20
     val fifi = Dog(“Fifi”).also { fifi ->
     fifi.age = 2
     fifi.breed = “Yorkshire Terrier”
     fifi.weight = 2.5
     this.age = fifi.age
     }
     Funções com scope
     also
     ⚠ this.age corresponds to var age ⚠
     

     View Slide

131. Funções com scope
     run… with… run... let… apply… also...
     Precisam de:
     retornar uma instância do objeto que estão a aceder?
     não.
     

     View Slide

132. Funções com scope
     run… with… run... let… apply… also...
     Precisam de:
     retornar uma instância do objeto que estão a aceder?
     não.
     confirmar que não é null, encadear com outras funções, etc.?
     sim.
     

     View Slide

133. Funções com scope
     List breeds = getBreedsList()
     int size = 0;
     List nonNullBreeds = new
     LinkedList()
     for (String breed : breeds) {
     if (breed != null) {
     size++;
     nonNullBreeds.add(breed)
     }
     }
     doSomeOperation(nonNullBreeds)
     let
     val breeds: List? = getBreedsList()
     val size = breeds?.let {
     doSomeOperation(it)
     it.size
     }
     

     View Slide

134. private var age = 20
     val breeds: List? = getBreedsList()
     val size = breeds?.let {
     doSomeOperation(it)
     it.size
     }
     Funções com scope
     let
     

     View Slide

135. private var age = 20
     val breeds: List? = getBreedsList()
     val size = breeds?.let {
     doSomeOperation(it)
     it.size
     age = 20
     }
     Funções com scope
     let
     ⚠ age corresponds to var age ⚠
     

     View Slide

136. private var age = 20
     val breeds: List? = getBreedsList()
     val size = breeds?.let {
     doSomeOperation(it)
     it.size
     this.age = 20
     }
     Funções com scope
     let
     ⚠ age corresponds to var age ⚠
     

     View Slide

137. Funções com scope
     List breeds = getBreedsList()
     int size = 0;
     List nonNullBreeds = new
     LinkedList()
     for (String breed : breeds) {
     if (breed != null) {
     size++;
     nonNullBreeds.add(breed)
     }
     }
     doSomeOperation(nonNullBreeds)
     let
     val breeds: List? = getBreedsList()
     val size = breeds?.run {
     doSomeOperation(it)
     size
     }
     

     View Slide

138. val breeds: List? = getBreedsList()
     val size = breeds?.run {
     doSomeOperation(it)
     size
     }
     Funções com scope
     let
     ⚠ O scope de run é a própria lista ⚠
     

     View Slide

139. Natal
     Photo by Mel Poole Unsplash
     

     View Slide

140. Testar novas funcionalidades
     
     Para ativar:
     1. Definições
     2. Sistema
     3. Opções de programador
     4. Alterações de compatibilidade da aplicação
     

     View Slide

141. Google I/O Android app
     
     https://github.com/google/iosched
     Aplicação utilizada anualmente na conferência
     Google I/O.
     É actualizada em cada evento de forma a estar de
     acordo com as últimas novidades de:
     ● Material design
     ● Arquitectura
     ● Bibliotecas
     ● Componentes
     

     View Slide

142. Plaid
     
     https://github.com/android/plaid
     Desenvolvida para mostrar as potencialidades do
     material design.
     O repositório contém referências para artigos e
     apresentações de como esta aplicação tem sido
     actualizada ao longo dos anos.
     

     View Slide

143. Sunflower
     
     https://github.com/android/sunflower
     Desenvolvida para demonstrar algumas das
     bibliotecas do Android Jetpack.
     

     View Slide

144. tivi
     
     https://github.com/chrisbanes/tivi
     Aplicação desenvolvida com o objetivo de
     demonstrar as últimas bibliotecas e ferramentas
     disponíveis no Android:
     ● Inteiramente escrita em Kotlin
     ● Kotlin Coroutines
     ● Jetpack:
     ○ Room
     ○ Lifecycle
     ○ Nativation
     ○ Hilt
     ● Algumas partes já em Compose
     

     View Slide

145. Pokedex
     
     https://github.com/skydoves/Pokedex
     Uma aplicação desenvolvida independentemente que faz
     uso das bibliotecas mais conhecidas seguindo uma
     arquitetura MVVM:
     ● Kotlin c/ Coroutines e Flow
     ● Hilt (dependency injection)
     ● Jetpack
     ○ LiveData
     ○ Lifecycle
     ○ ViewModel
     ○ Room
     ● Retrofit
     ● Moshi
     ● etc.
     

     View Slide

146. Trabalho Para Casa
     ‍‍
     

     View Slide

147. ⚠ Não há trabalho de casa que amanhã há aula!
     

     View Slide

148. Dúvidas?
     
     

     View Slide

149. Continuamos a
     responder no
     discord
     
     

     View Slide

150. Obrigado
     ‍♀
     

     View Slide

151. Android
     Training
     Program
     PORTUGAL
     Aula #10
     Tensorflow Lite no
     Android
     Próxima aula: 10 de Dezembro
     

     View Slide