Android 11 - Minggu 2 - Machine Learning
Machine learning memberi aplikasi Anda kemampuan untuk belajar dan meningkatkan pengalamannya secara bertahap. Jalur ini memperkenalkan Anda pada berbagai alat dan metode machine learning yang disediakan oleh Android 11.
Kembali
11 Minggu Android - Machine Learning
Tonton teaser pengantar untuk mempersiapkan aktivitas dalam jalur ini.
#AndroidDevChallenge - Inovasi yang membantu, didukung oleh machine learning
Tantangan Developer Android, dengan fokus pada “Inovasi yang Membantu”, menyoroti developer yang menciptakan pengalaman luar biasa yang didukung oleh machine learning di perangkat. Lihat beberapa alat Google untuk membuild machine learning di perangkat ke dalam aplikasi Anda.
CameraX + OCR
Codelab ini akan memperkenalkan ML Kit, SDK seluler yang menghadirkan kemampuan machine learning Google ke aplikasi Android Anda. Anda akan membuat aplikasi Android dengan ML Kit menggunakan API Pengenalan Teks di perangkat pada ML Kit untuk mengenali dan menerjemahkan teks dari feed kamera secara real-time.
Membuat model kustom sendiri dengan TensorFlow Model Maker & Android Studio
Codelab ini mengajarkan cara untuk mengintegrasikan model TensorFlow Lite yang mengenali gambar kustom dari aplikasi Android Anda menggunakan plugin ML Model Binding baru di Android Studio.
Model TF Hub + ML Kit yang dapat diganti
Dalam video ini, Anda akan melalui langkah-langkah penelusuran untuk model yang Anda inginkan di tfhub.dev, mendownloadnya, dan menjalankannya dengan fungsi deteksi dan pelacakan objek ML Kit untuk model kustom.
Mendesain untuk Machine Learning
Belajarlah dari contoh nyata aplikasi “Learn to Read” di Google dan lihat cara menggunakan People + AI Guidebook untuk mendapatkan desain AI pertama.
Pemenang Tantangan Android Developer “Stila” menggunakan ML Kit untuk membantu memantau stres
Stila adalah aplikasi yang membantu memantau dan melacak tingkat stres tubuh Anda agar Anda dapat lebih memahami dan mengelola stres dalam hidup Anda. Lihat cara pemenang Tantangan Android Developer Yingding Wang menggunakan ML Kit untuk membantu mendukung pengalaman ini.