Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Εισαγωγή
- ML Kit έναντι TensorFlow έναντι άλλων υπηρεσιών μηχανικής εκμάθησης
- Επισκόπηση των ML Kit χαρακτηριστικών και στοιχείων
Ξεκινώντας
- Ρύθμιση του ML Kit SDK
- Εξερεύνηση API και δειγμάτων εφαρμογών
Εφαρμογή ML Kit Vision API
- Αυτοματοποίηση εισαγωγής δεδομένων (Αναγνώριση κειμένου)
- Ανίχνευση προσώπων για selfies και πορτρέτα (Ανίχνευση προσώπου)
- Ερμηνεία θέσεων σώματος (Ανίχνευση στάσης)
- Προσθήκη εφέ φόντου (Τμηματοποίηση Selfie)
- Ενσωμάτωση σάρωσης γραμμωτού κώδικα
- Αναγνώριση αντικειμένων, τόπων, ειδών κ.λπ. (Ετικέτα εικόνων)
- Εντοπισμός εμφανών αντικειμένων σε μια εικόνα (Ανίχνευση αντικειμένων και παρακολούθηση)
- Αναγνώριση χειρόγραφων κειμένων (Digital Ink Recognition)
Εργασία με API φυσικής γλώσσας
- Αναγνώριση γλωσσών
- Μετάφραση κειμένων
- Δημιουργία έξυπνων απαντήσεων
- Χρήση εξαγωγής οντοτήτων
Βελτιστοποίηση υπαρχουσών εφαρμογών με ML Kit
- Χρήση προσαρμοσμένων μοντέλων με ML Kit
- Μετεγκατάσταση από το Firebase στο νέο ML Kit SDK
- Μετεγκατάσταση από το Mobile Vision στο ML Kit SDK
- Μείωση του μεγέθους της εφαρμογής για ανάπτυξη
- Ανακατασκευή εφαρμογών για χρήση λειτουργικών μονάδων δυναμικής λειτουργίας
Συμβουλές αντιμετώπισης προβλημάτων
Περίληψη και Επόμενα Βήματα
Requirements
- Κατανόηση της μηχανικής μάθησης
- Εμπειρία στην ανάπτυξη κινητών τηλεφώνων
Ακροατήριο
- Μηχανικοί Λογισμικού
- Προγραμματιστές εφαρμογών για κινητά
14 Hours