Course Outline

Εισαγωγή

    ML Kit εναντίον TensorFlow έναντι άλλων υπηρεσιών μηχανικής εκμάθησης Επισκόπηση των χαρακτηριστικών και των εξαρτημάτων του κιτ ML

Ξεκινώντας

    Ρύθμιση του ML Kit SDK Exploring 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 πόζας) Προσθήκη εφέ φόντου (Τμηματοποίηση Selfie) Ενσωμάτωση σάρωσης γραμμωτού κώδικα Αναγνώριση αντικειμένων, τοποθεσιών, ειδών κ.λπ. (Ετικέτα εικόνας) Εντοπισμός αντικειμένων σε μια εικόνα (Ανίχνευση αντικειμένων και παρακολούθηση) Αναγνώριση χειρόγραφων κειμένων (Αναγνώριση ψηφιακής μελάνης)

Εργασία με API φυσικής γλώσσας

    Προσδιορισμός 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 Mobile Vision σε ML Kit SDK Μείωση μεγέθους 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

Number of participants


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.

Price per participant

Testimonials (4)

Related Courses

Artificial Intelligence (AI) for City Planning

  14 Hours

AI Awareness for Telecom

  14 Hours

Algebra for Machine Learning

  14 Hours

Azure Machine Learning (AML)

  21 Hours

Dataiku for Enterprise AI and Machine Learning

  21 Hours

Related Categories