透過集合功能整理內容
你可以依據偏好儲存及分類內容。
check_circle
11 週 Android 課程 - 機器學習
ondemand_video
影片
選用
請觀看這部簡介前導影片,為本課程中的活動做好準備。
check_circle
#AndroidDevChallenge - 採用機器學習技術的實用創新突破
ondemand_video
影片
選用
Android Developer Challenge 著重在「實用創新突破」,旨在表彰利用裝置端機器學習技術打造出優異服務的開發人員。瞭解幾種可讓您在應用程式中整合裝置端機器學習技術的 Google 工具。
check_circle
CameraX + OCR
emoji_objects
程式碼研究室
這個程式碼研究室將介紹 ML Kit。這個行動 SDK 可讓您在 Android 應用程式中加入 Google 的機器學習功能。您將使用 ML Kit Text Recognition 裝置端 API 建構 Android 應用程式,藉此辨識及翻譯即時攝影機畫面中的文字。
check_circle
使用 TensorFlow Model Maker 和 Android Studio 建立自訂模型
emoji_objects
程式碼研究室
這個程式碼研究室將說明如何利用 Android Studio 的全新機器學習模型繫結外掛程式,整合能夠辨識 Android 應用程式中自訂圖片的 TensorFlow Lite 模型。
check_circle
TF Hub + ML Kit 可切換模型
ondemand_video
影片
選用
這部影片將逐步說明如何在 tfhub.dev 中搜尋所需模型、下載模型,並透過 ML Kit 物件偵測和追蹤功能執行該模型,以便用於自訂模型。
check_circle
考量機器學習技術的設計
ondemand_video
影片
選用
從 Google 的「Learn to Read」應用程式實例中學習,並瞭解如何根據「人員 + AI 指南」打造以 AI 為優先考量的設計。
check_circle
Android Developer Challenge 獲獎應用程式「Stila」使用 ML Kit 來協助監控壓力
ondemand_video
影片
選用
Stila 應用程式可協助監控及追蹤身體承受的壓力程度,讓您進一步瞭解及管理生活中的壓力。瞭解 Android Developer Challenge 獲獎者 Yingding Wang 如何利用 ML Kit 提供這項服務。
進行「機器學習」測驗來獲得徽章。
測驗您對 Android 11 機器學習工具和技術的相關知識,並獲得機器學習課程徽章。
[[["容易理解","easyToUnderstand","thumb-up"],["確實解決了我的問題","solvedMyProblem","thumb-up"],["其他","otherUp","thumb-up"]],[["缺少我需要的資訊","missingTheInformationINeed","thumb-down"],["過於複雜/步驟過多","tooComplicatedTooManySteps","thumb-down"],["過時","outOfDate","thumb-down"],["翻譯問題","translationIssue","thumb-down"],["示例/程式碼問題","samplesCodeIssue","thumb-down"],["其他","otherDown","thumb-down"]],[],[],[]]