Slide 1
Slide 1 text
Android
Training
Program
PORTUGAL
Aula #9
ML Kit: Machine Learning
para iniciantes
Slide 2
Slide 2 text
● 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
Slide 3
Slide 3 text
Andres-Leonardo
Martinez-Ortiz
Google
Carlos Mota
Formador
Renato Almeida
Formador
@davilagrau @cafonsomota @tallnato
Equipa
Daniela Ferreira
Gestora de
comunidades
Slide 4
Slide 4 text
● 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
Slide 5
Slide 5 text
#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
✅
✅ ✅ ✅
Slide 6
Slide 6 text
Sumário
Photo by Mika Baumeister on Unsplash
● Resumo da aula anterior
● Introdução ao Machine Learning
● ML Kit
● Kotlin para principiantes
● É Natal
Slide 7
Slide 7 text
http://events.withgoogle.com/atp2020
✉ [email protected]
http://bit.ly/atp2020-youtube
http://bit.ly/atp2020-discord
Links
Slide 8
Slide 8 text
http://bit.ly/atp2020-live
Slide 9
Slide 9 text
http://bit.ly/atp2020-codelabs
Slide 10
Slide 10 text
http://bit.ly/kahoot-aula9
Slide 11
Slide 11 text
Resumo da Aula #8
Slide 12
Slide 12 text
● 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
Slide 13
Slide 13 text
● 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
Slide 14
Slide 14 text
● 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
Slide 15
Slide 15 text
● Enviar notificações ou mensagens com dados
● Permite direcionar as notificações para diferentes utilizadores de forma versátil
● Permite enviar mensagens através dos clientes
Push Notifications
Slide 16
Slide 16 text
● 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
Slide 17
Slide 17 text
Aula #9
Slide 18
Slide 18 text
Luiz Gustavo
@gusthema
TensorFlow Developer Advocate
Google
O que é
Machine Learning?
Slide 19
Slide 19 text
Machine Learning
Slide 20
Slide 20 text
No content
Slide 21
Slide 21 text
Machine learning
Algoritmos
Deep learning
Inteligência artificial
...
Slide 22
Slide 22 text
● 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
Slide 23
Slide 23 text
Photo by Eugene Chystiakovl
Slide 24
Slide 24 text
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
Slide 25
Slide 25 text
theverge.com/2019/10/30/20939147/deepmind-google-alphastar-starcraft-2-research-grandmaster-level
Slide 26
Slide 26 text
● 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
Slide 27
Slide 27 text
● 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
Slide 28
Slide 28 text
● 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
Slide 29
Slide 29 text
https://about.google/intl/ALL_us/stories/seeingpotential/
Slide 30
Slide 30 text
● 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
Slide 31
Slide 31 text
Navegação com uma conta registada
Slide 32
Slide 32 text
Navegação em modo anónimo
Slide 33
Slide 33 text
● 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
Slide 34
Slide 34 text
● 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
Slide 35
Slide 35 text
https://about.google/intl/ALL_us/stories/save-the-bees/
Slide 36
Slide 36 text
● 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
Slide 37
Slide 37 text
● 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
Slide 38
Slide 38 text
ML Kit
Slide 39
Slide 39 text
● 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
Slide 40
Slide 40 text
● 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
Slide 41
Slide 41 text
● 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
Slide 42
Slide 42 text
● 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
Slide 43
Slide 43 text
Visão Linguagem natural
Slide 44
Slide 44 text
● Identificar e processar códigos de barras
● Suporta a maioria dos formatos de 1D e 2D disponíveis
Detectar códigos de barras
Visão
Slide 45
Slide 45 text
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
Slide 46
Slide 46 text
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
Slide 47
Slide 47 text
// Se utilizarmos a versão não integrada
// É opcional, mas recomendado para transferir automaticamente os modelos
...
Como utilizar?
Importar a biblioteca
AndroidManifest.xml
Slide 48
Slide 48 text
Exemplo
● Limites
○ (49,125), (172,125), (172,160), (49,160)
● Valor
○ 2404105001722
Slide 49
Slide 49 text
Exemplo
● Limites
○ (87,87) (612,87) (612,612) (87,612)
● Valor
○ WIFI:S:SB1Guest;P:12345;T:WEP;;
○ SSID - SB1Guest
○ Password - 12345
○ Type - WEP
Slide 50
Slide 50 text
https://developers.google.com/ml-kit/vision/barcode-scanning
Slide 51
Slide 51 text
Demo
https://github.com/googlesamples/mlkit
Slide 52
Slide 52 text
● Detetar rostos
● Identificar características faciais
● Obter os contornos dos rostos
Deteção de caras
Visão
Slide 53
Slide 53 text
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
Slide 54
Slide 54 text
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
Slide 55
Slide 55 text
// Se utilizarmos a versão não integrada
// É opcional, mas recomendado para transferir automaticamente os modelos
...
Como utilizar?
Importar a biblioteca
AndroidManifest.xml
Slide 56
Slide 56 text
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
Slide 57
Slide 57 text
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
Slide 58
Slide 58 text
https://developers.google.com/ml-kit/vision/face-detection
Slide 59
Slide 59 text
Demo
https://github.com/googlesamples/mlkit
Slide 60
Slide 60 text
● 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
Slide 61
Slide 61 text
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
Slide 62
Slide 62 text
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
Slide 63
Slide 63 text
// Se utilizarmos a versão não integrada
// É opcional, mas recomendado para transferir automaticamente os modelos
...
Como utilizar?
Importar a biblioteca
AndroidManifest.xml
Slide 64
Slide 64 text
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
Slide 65
Slide 65 text
https://developers.google.com/ml-kit/vision/image-labeling
Slide 66
Slide 66 text
Demo
https://cloud.google.com/vision/docs/drag-and-drop
Slide 67
Slide 67 text
● 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
Slide 68
Slide 68 text
dependencies {
// Apenas disponível integrado na aplicação
implementation 'com.google.mlkit:object-detection:16.2.1'
}
Como utilizar?
Importar a biblioteca
app/build.gradle
Slide 69
Slide 69 text
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
Slide 70
Slide 70 text
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
...
Slide 71
Slide 71 text
https://developers.google.com/ml-kit/vision/object-detection
Slide 72
Slide 72 text
● Reconhecimento e extração de texto de imagens
● Facilita a deteção de cartões de crédito, recibos ou cartões de visita
Reconhecimento de texto
Visão
Slide 73
Slide 73 text
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
Slide 74
Slide 74 text
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
Slide 75
Slide 75 text
// Se utilizarmos a versão não integrada
// É opcional, mas recomendado para transferir automaticamente os modelos
...
Como utilizar?
Importar a biblioteca
AndroidManifest.xml
Slide 76
Slide 76 text
https://developers.google.com/ml-kit/vision/text-recognition
Slide 77
Slide 77 text
● 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
Slide 78
Slide 78 text
dependencies {
// Apenas disponível integrado na aplicação
implementation 'com.google.mlkit:digital-ink-recognition:16.0.0'
}
Como utilizar?
Importar a biblioteca
app/build.gradle
Slide 79
Slide 79 text
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, ...
...
Slide 80
Slide 80 text
Exemplo
Reconhecimento de escrita
Resultados do reconhecimento
#1 handw
#2 handrw
#3 hardw
#4 handu
#5 handwe
...
Slide 81
Slide 81 text
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, ...
...
Slide 82
Slide 82 text
Exemplo
Reconhecimento de escrita
Resultados do reconhecimento
#1 (U+1f62d)
#2 (U+1f605)
#3 (U+1f639)
#4 (U+1f604)
#5 (U+1f606)
...
Slide 83
Slide 83 text
https://developers.google.com/ml-kit/vision/digital-ink-recognition
Slide 84
Slide 84 text
Demo
https://quickdraw.withgoogle.com/
Slide 85
Slide 85 text
● 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
Slide 86
Slide 86 text
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
Slide 87
Slide 87 text
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
Slide 88
Slide 88 text
Exemplo
Deteção de poses
Slide 89
Slide 89 text
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
Slide 90
Slide 90 text
https://developers.google.com/ml-kit/vision/pose-detection
Slide 91
Slide 91 text
Demo
https://github.com/googlesamples/mlkit
Slide 92
Slide 92 text
● Permite detetar o idioma apenas com algumas palavras
● Consegue identificar mais de 100 idiomas diferentes
Identificação do idioma
Linguagem natural
Slide 93
Slide 93 text
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
Slide 94
Slide 94 text
dependencies {
// Apenas disponível integrado na aplicação
implementation 'com.google.mlkit:language-id:16.1.1'
}
Como utilizar?
Importar a biblioteca
app/build.gradle
Slide 95
Slide 95 text
https://developers.google.com/ml-kit/language/identification
Slide 96
Slide 96 text
● Permite traduzir entre 58 idiomas, tudo no dispositivo, mas apenas para
traduções simples
● Permite transferir outros idiomas (30MB cada)
Tradução no dispositivo
Linguagem natural
Slide 97
Slide 97 text
dependencies {
// Apenas disponível integrado na aplicação
implementation 'com.google.mlkit:translate:16.1.1'
}
Como utilizar?
Importar a biblioteca
app/build.gradle
Slide 98
Slide 98 text
https://developers.google.com/ml-kit/language/translation
Slide 99
Slide 99 text
Demo
play.google.com/store/apps/details?&id=com.google.android.apps.translate
Slide 100
Slide 100 text
● 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
Slide 101
Slide 101 text
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
Slide 102
Slide 102 text
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!
Slide 103
Slide 103 text
https://developers.google.com/ml-kit/language/smart-reply
Slide 104
Slide 104 text
https://developers.google.com/ml-kit
Slide 105
Slide 105 text
https://developers.google.com/ml-kit
Slide 106
Slide 106 text
https://developers.google.com/ml-kit
Slide 107
Slide 107 text
Abre o Android
Studio e vamos
começar a
programar
Slide 108
Slide 108 text
VS
Ronda 8
Slide 109
Slide 109 text
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
Slide 110
Slide 110 text
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)
}
}
}
Slide 111
Slide 111 text
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)
}
}
}
Slide 112
Slide 112 text
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)
}
}
}
Slide 113
Slide 113 text
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)
}
}
}
Slide 114
Slide 114 text
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)
}
}
}
Slide 115
Slide 115 text
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)
}
}
}
Slide 116
Slide 116 text
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
}
}
Slide 117
Slide 117 text
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
}
}
Slide 118
Slide 118 text
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 ⚠
Slide 119
Slide 119 text
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)
}
}
}
Slide 120
Slide 120 text
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)
}
}
}
Slide 121
Slide 121 text
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)
}
}
Slide 122
Slide 122 text
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 ⚠
Slide 123
Slide 123 text
Funções com scope
run… with… run... let… apply… also...
Precisam de:
retornar uma instância do objeto que estão a aceder?
sim.
Slide 124
Slide 124 text
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
}
Slide 125
Slide 125 text
private var age = 20
val fifi = Dog(“Fifi”).apply {
age = 2
breed = “Yorkshire Terrier”
weight = 2.5
}
Funções com scope
apply
Slide 126
Slide 126 text
Funções com scope
apply
private var age = 20
val fifi = Dog(“Fifi”).apply {
age = 2
breed = “Yorkshire Terrier”
weight = 2.5
this.age = age
}
Slide 127
Slide 127 text
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 ⚠
Slide 128
Slide 128 text
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
}
Slide 129
Slide 129 text
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
Slide 130
Slide 130 text
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 ⚠
Slide 131
Slide 131 text
Funções com scope
run… with… run... let… apply… also...
Precisam de:
retornar uma instância do objeto que estão a aceder?
não.
Slide 132
Slide 132 text
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.
Slide 133
Slide 133 text
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
}
Slide 134
Slide 134 text
private var age = 20
val breeds: List? = getBreedsList()
val size = breeds?.let {
doSomeOperation(it)
it.size
}
Funções com scope
let
Slide 135
Slide 135 text
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 ⚠
Slide 136
Slide 136 text
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 ⚠
Slide 137
Slide 137 text
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
}
Slide 138
Slide 138 text
val breeds: List? = getBreedsList()
val size = breeds?.run {
doSomeOperation(it)
size
}
Funções com scope
let
⚠ O scope de run é a própria lista ⚠
Slide 139
Slide 139 text
Natal
Photo by Mel Poole Unsplash
Slide 140
Slide 140 text
Testar novas funcionalidades
Para ativar:
1. Definições
2. Sistema
3. Opções de programador
4. Alterações de compatibilidade da aplicação
Slide 141
Slide 141 text
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
Slide 142
Slide 142 text
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.
Slide 143
Slide 143 text
Sunflower
https://github.com/android/sunflower
Desenvolvida para demonstrar algumas das
bibliotecas do Android Jetpack.
Slide 144
Slide 144 text
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
Slide 145
Slide 145 text
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.
Slide 146
Slide 146 text
Trabalho Para Casa
Slide 147
Slide 147 text
⚠ Não há trabalho de casa que amanhã há aula!
Slide 148
Slide 148 text
Dúvidas?
Slide 149
Slide 149 text
Continuamos a
responder no
discord
Slide 150
Slide 150 text
Obrigado
♀
Slide 151
Slide 151 text
Android
Training
Program
PORTUGAL
Aula #10
Tensorflow Lite no
Android
Próxima aula: 10 de Dezembro