Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Firebase ML Kit: Educando com Machine Learning
Search
Sponsored
·
Ship Features Fearlessly
Turn features on and off without deploys. Used by thousands of Ruby developers.
→
Felipe Arimateia
July 17, 2018
Programming
35
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
Firebase ML Kit: Educando com Machine Learning
Felipe Arimateia
July 17, 2018
More Decks by Felipe Arimateia
See All by Felipe Arimateia
Compartilhando e acelerando com módulos em aplicações Android v2
felipearimateia
1
170
Compartilhando e acelerando com módulos em aplicações Android
felipearimateia
2
57
Firebase além do chat
felipearimateia
0
98
Monetizando suas aplicações: O que pode e o que não pode, e como fazer
felipearimateia
0
58
Testes de UI legíveis e sustentáveis para Android
felipearimateia
0
31
Cloud Functions para Firebase
felipearimateia
1
48
Consumindo API's Rest com Retrofit 2
felipearimateia
0
34
Construindo Aplicações Android com Firebase
felipearimateia
1
81
Firebase: dando um Up na sua aplicação.
felipearimateia
0
130
Other Decks in Programming
See All in Programming
yield再入門 #phpcon
o0h
PRO
0
1.1k
生成AI導入の「期待外れ」を乗り越える ー 開発フロー改革が目指す、真の組織変革
starfish719
0
4.4k
【やさしく解説 設計編・中級 #6】良いアーキテクチャとは ~ 一本の登り道の、行き先 ~
panda728
PRO
0
210
AI Engineeringは、AIプロダクトだけのものか? 〜AIがソフトウェアを作る時代の新しい当たり前〜 / No AI in your product. AI Engineering in your development.
rkaga
4
430
楽しそうなつよつよエンジニアと目が死んでる僕/A brilliant engineer having a blast, and dead-eyed me.
3l4l5
2
180
S3 を使うアプリケーションをローカル完結で動かすことに全力を注いでみた / Running S3 Apps Offline
contour_gara
0
490
AIが無かった頃の素敵な出会いの話
codmoninc
1
430
これって Effect でできたのでは? / TSKaigi Mashup Kansai #2
susisu
0
240
2年かけて Deno に DOMMatrix を実装した話 / How I implemented DOMMatrix in Deno over two years
petamoriken
0
210
琵琶湖の水は止められてもNet--HTTPのリトライは止められない / You might be able to stop the water flow of Lake Biwa but you can't stop Net::HTTP retries
luccafort
PRO
0
730
仕様書を書く前にハーネスを作る - Agent Native開発は「探索を速く、判定を固く」
gotalab555
4
1.6k
Foundation Models frameworkで画像分析
ryodeveloper
1
610
Featured
See All Featured
Build your cross-platform service in a week with App Engine
jlugia
234
19k
Marketing to machines
jonoalderson
1
5.7k
Fantastic passwords and where to find them - at NoRuKo
philnash
52
3.8k
GraphQLの誤解/rethinking-graphql
sonatard
75
12k
The Language of Interfaces
destraynor
162
27k
Bridging the Design Gap: How Collaborative Modelling removes blockers to flow between stakeholders and teams @FastFlow conf
baasie
0
640
A designer walks into a library…
pauljervisheath
211
24k
Beyond borders and beyond the search box: How to win the global "messy middle" with AI-driven SEO
davidcarrasco
3
210
Documentation Writing (for coders)
carmenintech
77
5.4k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
32
4.3k
Hiding What from Whom? A Critical Review of the History of Programming languages for Music
tomoyanonymous
3
1.1k
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
10
1.3k
Transcript
Firebase ML Kit: Educando com Machine Learning
Olá! Sou o Ari! Mobile Developer, apaixonado por código e
viciado em séries. @twiterdoari felipearimateia
O que é Machine Learning? Machine Learning é a prática
de usar algoritmos para coletar dados, aprender com eles, e assim fazer uma determinação ou predição sobre os dados coletados.
None
Firebase ML Kit O ML Kit permite que você traga
recursos poderosos de Machine Learning para seu aplicativo, seja para Android ou iOS, para você que é um desenvolvedor experiente de aprendizado de máquina ou para você que está apenas começando (como eu).
Tudo junto e misturado - Google Cloud Vision API -
TensorFlow Lite - Android Neural Networks API
Funcionalidades - Legendas para imagens; - Reconhecimento de texto; -
Deteção facial; - Scan de código de barras; - Reconhecimento de pontos de referência
Como funciona on-device a fucionalidade está disponível offline e não
precisa de uma conexão com internet. cloud a funcionalidade está disponíovel online e precisa de uma conexão com a internet.
Modelos O Firebase já fornece modelos prontos para o ML
Kit, mas é possível criar os seus através do TensorFlow Lite.
Como fazer? Primeiro precisamos adicionar a dependência ML Vision: implementation
'com.google.firebase:firebase-ml-vision:15.0.0'
AndroidManifest <meta-data android:name="com.google.firebase.ml.vision.DEPENDENCIES" android:value="text" /> Mais de uma funcionalidade: <meta-data
android:name="com.google.firebase.ml.vision.DEPENDENCIES" aandroid:value="text,barcode,face,label" />
Reconhecendo Texto private fun readImage(bitmap: Bitmap?) { bitmap?.let { var
image = FirebaseVisionImage.fromBitmap(it) var detector = FirebaseVision.getInstance().visionTextDetector detector.detectInImage(image) .addOnSuccessListener { speakResult(it.blocks) } .addOnFailureListener { Log.d("FIREBASE_VISION", it.message) } } }
E o educando?
Arimababys Que isso papai?
#PartiuCodar
Referências - O QUE É MACHINE LEARNING - Explorando o
ML Kit for Firebase - ML Kit for Firebase - Introducing ML Kit