แอปการค้นหาร้านขายของเล่นที่มีฐานข้อมูลระบบคลาวด์ รันไทม์แบบไม่ใช้เซิร์ฟเวอร์ และการผสานรวมโอเพนซอร์ส

ในโค้ดแล็บนี้ คุณจะได้สร้างแอปพลิเคชันการค้นหาเวกเตอร์ที่อิงตาม RAG ซึ่งออกแบบมาเพื่อค้นหาของเล่นที่ตรงกับการค้นหาของลูกค้า (ผ่านข้อความและรูปภาพ) สร้างของเล่นที่กําหนดเองตามคําขอของผู้ใช้ และคาดการณ์ราคาของของเล่นที่กําหนดเองโดยใช้ AlloyDB, Gemini, Imagen, LangChain4j และ GenAI Toolbox สําหรับฐานข้อมูล

การสร้างแอปพลิเคชันแชทที่อิงตาม LLM และ RAG โดยใช้ AI ของ AlloyDB และ LangChain

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีสร้างคลัสเตอร์ AlloyDB, ติดตั้งใช้งานบริการการดึงข้อมูลฐานข้อมูล GenAI สําหรับฐานข้อมูล และสร้างแอปพลิเคชันตัวอย่างโดยใช้บริการดังกล่าว

• AlloyDB for PostgreSQL

เริ่มต้นใช้งานการฝังเวกเตอร์ด้วย AI ของ AlloyDB

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีใช้ AI ของ AlloyDB ร่วมกับการค้นหาแบบเวกเตอร์ และสร้างดัชนีในข้อมูลเวกเตอร์

• AlloyDB for PostgreSQL

เริ่มต้นใช้งานการฝังเวกเตอร์ใน Cloud SQL สำหรับ PostgreSQL

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีใช้การผสานรวม AI ของ Cloud SQL ร่วมกับการค้นหาเวกเตอร์ และสร้างดัชนีในข้อมูลเวกเตอร์

• Cloud SQL

การติดตั้งและตั้งค่ากล่องเครื่องมือสําหรับ Gen AI และแอปพลิเคชัน Agentic ใน AlloyDB

ในโค้ดแล็บนี้ คุณจะได้สร้างและติดตั้งใช้งานกล่องเครื่องมือสําหรับแอปพลิเคชันการคาดการณ์ราคาที่ใช้ AlloyDB และฟีเจอร์ Generative AI โดยใช้บริการกล่องเครื่องมือ Gen AI สําหรับฐานข้อมูล

สร้างแอปแนะนำท่าโยคะตามบริบทด้วย Firestore, Vector Search และ Gemini 2.0

ในโค้ดแล็บนี้ คุณจะได้สร้างแอปการค้นหาท่าโยคะตามบริบทที่ขับเคลื่อนโดยความรู้ ซึ่งออกแบบมาเพื่อตอบคําถามของผู้ใช้เกี่ยวกับท่าโยคะให้ตรงกับคําถาม รวมถึงยังช่วยให้คุณทำงานด้านการดูแลระบบได้ เช่น การสร้างและแก้ไขท่าโยคะ

จดจำ ระบุภาษา และแปลข้อความด้วย ML Kit และ CameraX: Android

ในโค้ดแล็บนี้ คุณจะได้สร้างแอป Android ด้วย ML Kit ที่ใช้แมชชีนเลิร์นนิงในอุปกรณ์เพื่อจดจำ ระบุภาษา และแปลข้อความจาก 59 ภาษา นอกจากนี้ คุณยังจะได้เรียนรู้วิธีผสานรวมไลบรารี CameraX เพื่อทำงานเหล่านี้จากฟีดกล้องแบบเรียลไทม์

• Android
• Firebase

Gemini ใน Java พร้อม Vertex AI และ LangChain4j

ใน Codelab นี้ คุณจะได้แชทกับผู้ใช้ ถามคำถามเกี่ยวกับเอกสาร หรือขยายโมเดลด้วยการเรียกใช้ฟังก์ชัน โดยใช้ Generative AI ใน Java, การผสานรวมโมเดลภาษาขนาดใหญ่ของ Gemini ใน Vertex AI และใช้ประโยชน์จากเฟรมเวิร์ก LangChain4j

การใช้ Translation API กับ Python

ในบทแนะนํานี้ คุณจะได้เรียนรู้วิธีใช้ Translation API กับ Python

สร้างผู้ช่วย Smart Shopping ด้วย AlloyDB และ Vertex AI Agent Builder - ส่วนที่ 1

ใน Codelab นี้ คุณจะได้สร้างแอปพลิเคชันแชทที่ให้ความรู้ ซึ่งออกแบบมาเพื่อตอบคำถามของลูกค้า แนะนำการค้นพบผลิตภัณฑ์ และปรับแต่งผลการค้นหาสำหรับชุดข้อมูลอีคอมเมิร์ซ

สร้างแอป Generative Chat ด้วย Vertex AI Conversation

ใน Codelab นี้ คุณจะใช้ Vertex AI Conversation เพื่อสร้าง กำหนดค่า และทำให้ Agent ของ Data Store และแอปแชทใช้งานได้ เพื่อตอบคำถามของลูกค้าเกี่ยวกับผลิตภัณฑ์ใน Google Store

เข้าถึง Gemini Chat ด้วย Python SDK ผ่านปลายทาง Private Service Connect

เข้าถึง Gemini จาก VM ผ่าน python sdk และปลายทาง PSC

• Vertex AI

TensorFlow.js: ใช้โฮสติ้งของ Firebase เพื่อทำให้ใช้งานได้และโฮสต์โมเดลแมชชีนเลิร์นนิงจำนวนมาก

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีใช้โครงสร้างพื้นฐานของ Firebase ในการทำให้โมเดล ML ใช้งานได้ เพื่อให้ใช้งานและนำไปใช้ในเว็บไซต์ด้วย TensorFlow.js

• TensorFlow

Cloud Function สำหรับการสรุปเนื้อหาโดยใช้ PaLM Vertex AI API และ Google Cloud Storage

Cloud Function ที่สาธิตวิธีประมวลผลไฟล์ที่อัปโหลดใน Google Cloud Storage และดำเนินการสรุปเนื้อหาโดยใช้ Vertex AI PaLM API

การคาดการณ์การจัดประเภทภาพยนตร์ด้วย BQML โดยใช้ SQL

เราจะสร้างโมเดลการคาดการณ์คะแนนภาพยนตร์โดยใช้ SQL ที่มี BigQuery ML เท่านั้น

การคาดการณ์การจัดประเภทภาพยนตร์ด้วย Vertex AI AutoML

เราจะสร้างโมเดลการคาดการณ์ Movie Score โดยใช้ Vertex AI AutoML และทำให้ใช้งานได้กับปลายทาง API และทริกเกอร์ API การคาดการณ์จาก Java Cloud Functions

ปรับใช้ Google แปลภาษาพื้นฐาน" แอปใน Python 3 Cloud Functions

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีใช้ Google Cloud Translation API กับ Python และเรียกใช้ภายในหรือทำให้ใช้งานได้กับแพลตฟอร์มการประมวลผลแบบ Serverless ของระบบคลาวด์ (App Engine, Cloud Functions หรือ Cloud Run)

ปรับใช้ Google แปลภาษาพื้นฐาน" แอปใน Python 2 Cloud Run (Docker)

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีใช้ Google Cloud Translation API กับ Python และเรียกใช้ภายในหรือทำให้ใช้งานได้กับแพลตฟอร์มการประมวลผลแบบ Serverless ของระบบคลาวด์ (App Engine, Cloud Functions หรือ Cloud Run)

ปรับใช้ Google แปลภาษาพื้นฐาน" แอปใน Python 3 Cloud Run (Docker)

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีใช้ Google Cloud Translation API กับ Python และเรียกใช้ภายในหรือทำให้ใช้งานได้กับแพลตฟอร์มการประมวลผลแบบ Serverless ของระบบคลาวด์ (App Engine, Cloud Functions หรือ Cloud Run)

ตรวจจับวัตถุในรูปภาพเพื่อสร้างการค้นหาผลิตภัณฑ์แบบภาพด้วย ML Kit: Android

ใน Codelab นี้ คุณจะได้สร้างแอป Android ที่มี ML Kit ซึ่งใช้แมชชีนเลิร์นนิงในอุปกรณ์เพื่อตรวจจับวัตถุในรูปภาพ จากนั้นจึงให้ผู้ใช้ค้นหาภาพผลิตภัณฑ์

• Android
• ML Kit

ใช้ AI เอกสารการจัดซื้อเพื่อแยกวิเคราะห์ใบแจ้งหนี้โดยใช้สมุดบันทึก AI Platform

คุณจะได้เรียนรู้วิธีใช้เอกสารการจัดซื้อเพื่อแยกวิเคราะห์ใบแจ้งหนี้อย่างชาญฉลาด

โมเดลการสร้างต้นแบบในสมุดบันทึก AI Platform

ในห้องทดลองนี้ คุณจะได้เรียนรู้วิธีใช้ AI Platform Notebooks เพื่อสร้างต้นแบบของเวิร์กโฟลว์แมชชีนเลิร์นนิง เราจะพูดถึงการสร้างอินสแตนซ์สมุดบันทึกที่กำหนดเอง การติดตามโค้ดสมุดบันทึกของคุณใน git และโมเดลการแก้ไขข้อบกพร่องด้วยเครื่องมือ What-If

• TensorFlow

PySpark สำหรับการประมวลผลภาษาธรรมชาติบน Dataproc

ห้องทดลองนี้จะแสดงวิธีใช้ Spark MLlib และ spark-nlp สำหรับใช้แมชชีนเลิร์นนิงและ NLP กับข้อมูลปริมาณมาก

ปรับใช้ Google แปลภาษาพื้นฐาน" แอปใน Python 2 App Engine

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีใช้ Google Cloud Translation API กับ Python และเรียกใช้ภายในหรือทำให้ใช้งานได้กับแพลตฟอร์มการประมวลผลแบบ Serverless ของระบบคลาวด์ (App Engine, Cloud Functions หรือ Cloud Run)

การใช้ Natural Language API กับ Python

ในบทแนะนำนี้ คุณจะได้เรียนรู้การใช้ Natural Language API กับ Python

Analytics สำหรับชั้นวางหนังสือ: ใช้ Gemini เพื่อสร้างแอปพลิเคชัน SQL ด้วย BigQuery และ Generative AI

เราจะใช้ Gemini เพื่อช่วยสร้างคำแนะนำหนังสือและการวิเคราะห์การสรุปข้อมูลด้วย BigQuery (Generative AI แบบ SQL เท่านั้น)

Analytics ของชั้นวางหนังสือ: ใช้ Gemini เพื่อสร้างแอปพลิเคชัน Java Cloud Run ที่นำข้อมูล BigQuery ไปใช้บนเว็บ

เราจะใช้ Gemini เพื่อช่วยสร้างแอปพลิเคชันการสรุปชั้นวางหนังสือที่เพียงนำข้อมูล BigQuery ไปยังเว็บและทำให้ใช้งานได้ใน Cloud Run

• Cloud Run

เครื่องมือสร้างชั้นวางหนังสือ: ใช้ Gemini เพื่อสร้าง Java Cloud Function สำหรับแอปพลิเคชัน Gemini

เราจะสร้างแอปแนะนำหนังสือและการสรุปข้อมูลโดยใช้ Vertex AI Generative AI (Gemini) ใน Cloud Function เป็นฟังก์ชันระยะไกลจาก BigQuery

การสร้างระบบการค้นหาคุณภาพระดับ Google ด้วย Vertex AI

ใน Codelab นี้ คุณจะได้สร้างเครื่องมือค้นหาคุณภาพของ Google ที่จะช่วยตอบคำถามจากเอกสารและไฟล์ข้อความได้โดยใช้ Vertex AI Search/Agent Builder

• Vertex AI
• Google Cloud

จดจำข้อความและลักษณะใบหน้าด้วย ML Kit: Android

ใน Codelab นี้ คุณจะได้สร้างแอป Android ที่มี ML Kit ซึ่งใช้แมชชีนเลิร์นนิงในอุปกรณ์เพื่อจดจำข้อความและลักษณะใบหน้าในรูปภาพ

• ML Kit
• Android

จดจำ ระบุภาษา และแปลข้อความด้วย ML Kit และ CameraX: Android

ใน Codelab นี้ คุณจะได้สร้างแอป Android ที่มี ML Kit ซึ่งใช้แมชชีนเลิร์นนิงในอุปกรณ์เพื่อจดจำ ระบุภาษา และแปลข้อความจาก 59 ภาษา และคุณยังจะได้เรียนรู้วิธีผสานรวมไลบรารี CameraX เพื่อทำงานเหล่านี้จากฟีดกล้องแบบเรียลไทม์อีกด้วย

• Android
• ML Kit
• Firebase

อัปเดตแอปเพื่อใช้โมเดลแมชชีนเลิร์นนิงสำหรับการกรองสแปม

ดูวิธีอัปเดตแอปด้วยโมเดล ML ที่มีการกรองสแปมความคิดเห็นแบบพื้นฐาน

• TensorFlow
• Android

การสร้างโมเดล ML ทางการเงินด้วยเครื่องมือ What-If และ Vertex AI

ในห้องทดลองนี้ คุณจะได้เรียนรู้วิธีฝึกโมเดล XGBoost บนชุดข้อมูลทางการเงิน ทำให้โมเดลใช้งานได้กับ Vertex AI และวิเคราะห์โมเดลด้วยเครื่องมือ What-if

• TensorFlow

โครงข่ายระบบประสาทเทียมแบบ Convolutional ที่มี Keras และ TPU

ในห้องทดลองนี้ คุณจะได้เรียนรู้วิธีประกอบชั้นคอนโวลูชัน (Convolutional) ให้เป็นโมเดลโครงข่ายระบบประสาทเทียมที่สามารถจดจำดอกไม้ได้ ในคราวนี้ คุณจะได้สร้างโมเดลขึ้นมาเองตั้งแต่ต้นและใช้ความสามารถของ TPU เพื่อฝึกโมเดลภายในไม่กี่วินาทีและต่อยอดการออกแบบใหม่ ห้องปฏิบัติการนี้มีคำอธิบายทางทฤษฎีที่จำเป็นเกี่ยวกับโครงข่ายประสาทแบบคอนโวลูชัน (Convolutional Network) และเป็นจุดเริ่มต้นที่ดีสำหรับนักพัฒนาซอฟต์แวร์ซึ่งได้เรียนรู้เกี่ยวกับการเรียนรู้เชิงลึก

• TensorFlow

Keras และ Convnets สมัยใหม่บน TPU

ในห้องทดลองนี้ คุณจะได้เรียนรู้วิธีการสร้าง ฝึก และปรับโครงข่ายระบบประสาทเทียมแบบ Convolution ของคุณเองตั้งแต่ต้น ซึ่งทั้งหมดนี้สามารถทำได้ในไม่กี่นาทีโดยใช้พลังของ TPU นอกจากนี้คุณจะได้สำรวจวิธีการที่หลากหลาย ตั้งแต่การเรียนรู้แบบถ่ายโอนง่ายๆ ไปจนถึงสถาปัตยกรรมคอนโวลูชันสมัยใหม่ (Convolutional) อย่าง Squeezenet ห้องปฏิบัติการนี้มีคำอธิบายทางทฤษฎีที่จำเป็นเกี่ยวกับโครงข่ายประสาทและเป็นจุดเริ่มต้นที่ดีสำหรับนักพัฒนาซอฟต์แวร์ซึ่งเรียนรู้เกี่ยวกับการเรียนรู้เชิงลึก ห้องทดลองนี้ใช้ Tensorflow 2

• TensorFlow

ไปป์ไลน์ข้อมูลความเร็ว TPU: tf.data.Dataset และ TFRecords

TPU ทำงานเร็วมาก สตรีมข้อมูลการฝึกต้องยึดตามความเร็วในการฝึก ในห้องทดลองนี้ คุณจะได้ดูวิธีโหลดข้อมูลจาก GCS ด้วย tf.data.Dataset API เพื่อป้อน TPU

• TensorFlow

Convnets, การบีบ, Xception พร้อม Keras และ TPU

ในห้องทดลองนี้ คุณจะได้เรียนรู้เกี่ยวกับสถาปัตยกรรมแบบคอนโวลูชัน (Convolutional) สมัยใหม่ และใช้ความรู้ของคุณในการนำ Convnet ที่เรียบง่ายแต่มีประสิทธิภาพที่เรียกว่า "squeezenet" มาใช้ ห้องปฏิบัติการนี้มีคำอธิบายทางทฤษฎีที่จำเป็นเกี่ยวกับโครงข่ายประสาทแบบคอนโวลูชัน (Convolutional Network) และเป็นจุดเริ่มต้นที่ดีสำหรับนักพัฒนาซอฟต์แวร์ซึ่งได้เรียนรู้เกี่ยวกับการเรียนรู้เชิงลึก

• TensorFlow

โมเดล Keras แรกของคุณที่มีการเรียนรู้การโอน

ในห้องทดลองนี้ คุณจะได้เรียนรู้วิธีการสร้างตัวแยกประเภท Keras แทนที่จะพยายามหาส่วนผสมที่ลงตัวของเลเยอร์โครงข่ายระบบประสาทเทียมเพื่อจดจำดอกไม้ ขั้นแรกเราจะใช้เทคนิคที่เรียกว่า "การเรียนรู้การโอน" เพื่อปรับโมเดลก่อนการฝึกอันทรงพลังเข้ากับชุดข้อมูลของเรา ห้องปฏิบัติการนี้มีคำอธิบายทางทฤษฎีที่จำเป็นเกี่ยวกับโครงข่ายประสาทและเป็นจุดเริ่มต้นที่ดีสำหรับนักพัฒนาซอฟต์แวร์ซึ่งเรียนรู้เกี่ยวกับการเรียนรู้เชิงลึก

การสร้างแอปพลิเคชันแชท LLM และ RAG โดยใช้ฐานข้อมูล Cloud SQL และ LangChain

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีการสร้างฐานข้อมูล ทำให้บริการ GenAI Retrieval ใช้งานได้สำหรับฐานข้อมูล และสร้างแอปพลิเคชันแชทตัวอย่างโดยใช้บริการนี้

• Cloud SQL

TensorFlow, Keras และการเรียนรู้เชิงลึก โดยไม่ต้องมีปริญญาเอก

ใน Codelab นี้ คุณจะสอนคอมพิวเตอร์ให้จดจําตัวเลขที่เขียนด้วยลายมือด้วยความแม่นยํา 99% ในโค้ด Python / Keras 100 บรรทัด

• TensorFlow

การใช้ Video Intelligence API กับ Python

ในบทแนะนำนี้ คุณจะได้เรียนรู้เกี่ยวกับการใช้ Video Intelligence API กับ Python

จากสมุดบันทึกสู่ไปป์ไลน์ Kubeflow กับ HP Tuning: A Data Science Journey

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีการสร้างและทำให้ไปป์ไลน์วิทยาศาสตร์ข้อมูลที่ซับซ้อนใช้งานได้ด้วยการปรับแต่งไฮเปอร์พารามิเตอร์บน Kubeflow Pipelines โดยไม่ต้องใช้คำสั่ง CLI หรือ SDK

ไปป์ไลน์ Kubeflow - การสรุปปัญหา GitHub

ใน Codelab นี้ คุณจะได้ตั้งค่าการติดตั้งไปป์ไลน์ Cloud AI Platforms (KFP ที่โฮสต์) ด้วย GKE, สร้างและเรียกใช้เวิร์กโฟลว์ ML โดยใช้ Kubeflow Pipelines ตลอดจนกำหนดและเรียกใช้ไปป์ไลน์จากภายใน AI Platform Notebook (Jupyter)

• TensorFlow

จากสมุดบันทึกไปจนถึงไปป์ไลน์ Kubeflow ด้วย MiniKF และเคล

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีการสร้างและทำให้ไปป์ไลน์วิทยาศาสตร์ข้อมูลที่ซับซ้อนใช้งานได้ด้วย Kubeflow Pipelines โดยไม่ต้องใช้คำสั่ง CLI หรือ SDK

Generative AI สำหรับการวิเคราะห์วิดีโอด้วย Vertex AI

ดูวิธีวิเคราะห์มุมมองของอินฟลูเอนเซอร์บน YouTube เกี่ยวกับบริษัทหรือผลิตภัณฑ์ใดๆ โดยใช้ความสามารถ Gen AI ของ Google

Generative AI เชิงกำหนดที่มีการเรียกใช้ฟังก์ชัน Gemini ใน Java

แสดงฟีเจอร์การเรียกใช้ฟังก์ชันของ Gemini ในแอปพลิเคชัน Java โดยการเรียกใช้โมเดล Gemini เพื่อจัดการอินพุตสำหรับการเรียกใช้ฟังก์ชัน เรียกใช้ API แล้วประมวลผลคำตอบในการเรียกใช้ Gemini อื่นแล้วทำให้ใช้งานได้ที่ปลายทาง REST

การจัดการตัวประมวลผล Document AI ด้วย Python

ในบทแนะนำนี้ คุณจะได้เรียนรู้เกี่ยวกับการจัดการตัวประมวลผล Document AI ด้วย Python

สร้าง ฝึก และติดตั้งใช้งานโมเดล XGBoost บน Cloud AI Platform

ในห้องทดลองนี้ คุณจะได้แนะนำเวิร์กโฟลว์ ML ที่สมบูรณ์บน GCP ซึ่งได้แก่ การนำเข้าข้อมูลจาก BigQuery, การสร้างโมเดล XGBoost ในอินสแตนซ์ Cloud AI Platform Notebooks และการทำให้โมเดลใช้งานได้ใน AI Platform

การวิเคราะห์โมเดล ML ทางการเงินที่ทำให้ใช้งานได้บน Cloud AI Platform ด้วยเครื่องมือ What-if

ในห้องทดลองนี้ คุณจะได้เรียนรู้วิธีฝึกโมเดล XGBoost บนชุดข้อมูลทางการเงิน ทำให้โมเดลใช้งานได้กับ Cloud AI Platform และวิเคราะห์โมเดลด้วยเครื่องมือ What-if

• TensorFlow

Codelab การเพิ่มประสิทธิภาพการซื้อในแอปในอุปกรณ์แบบเรียลไทม์

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีทำให้โมเดล TFLite ใช้งานได้เพื่อปรับเปลี่ยนแอปให้เหมาะกับผู้ใช้แต่ละรายและเพิ่มประสิทธิภาพการซื้อในแอป

• BigQuery
• การกำหนดค่าระยะไกลของ Firebase
• Google Analytics
• Android
• TensorFlow
• Firebase ML
• Firebase
• Firebase A/B Testing

เพิ่มการจัดประเภทข้อความในอุปกรณ์ลงในแอปด้วย TensorFlow Lite และ Firebase - iOS Codelab

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีใช้การจัดประเภทข้อความด้วย Firebase และ TensorFlow Lite

• Firebase ML
• TensorFlow
• Firebase

เพิ่มคำแนะนำในแอปด้วย TensorFlow Lite และ Firebase - iOS Codelab

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีการสร้างเครื่องมือแนะนำเนื้อหาสำหรับแอปโดยใช้ Tensorflow และ Firebase

• Google Analytics
• TensorFlow
• Firebase
• Firebase ML

เพิ่มคำแนะนำลงในแอปด้วย TensorFlow Lite และ Firebase - Android Codelab

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีการสร้างเครื่องมือแนะนำเนื้อหาสำหรับแอปโดยใช้ Tensorflow และ Firebase

• Firebase ML
• Android
• TensorFlow
• Firebase
• Google Analytics

เพิ่มการจัดประเภทข้อความในอุปกรณ์ลงในแอปด้วย TensorFlow Lite และ Firebase - Android Codelab

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีใช้การจัดประเภทข้อความด้วย Firebase และ TensorFlow Lite

• TensorFlow
• Firebase
• Firebase ML
• Android

สร้างผู้ช่วย Search สิทธิบัตรด้วย AlloyDB และ Vertex AI Agent Builder - ตอนที่ 2

ใน Codelab นี้ คุณจะได้สร้างแอปพลิเคชันแชทที่อาศัยความรู้ ซึ่งออกแบบมาเพื่อตอบคำถามที่เกี่ยวข้องกับการค้นหาสิทธิบัตร และนำผลลัพธ์ที่เกี่ยวข้องตามบริบทมาพิจารณาเป็นต้นฉบับของชุดข้อมูลสิทธิบัตร

ใช้คอมพิวเตอร์วิทัศน์ได้ง่ายๆ: Vision AI บน Spring Boot และ Java

เราจะสร้างแอปพลิเคชัน Computer Vision โดยใช้ Spring Boot และ Java เพื่อให้คุณปลดล็อกศักยภาพของการจดจำและการวิเคราะห์รูปภาพในโปรเจ็กต์ของคุณ

• Cloud Run

การใช้ API การแปลงเสียงพูดเป็นข้อความกับ Python

ในบทแนะนำนี้ คุณจะได้เรียนรู้วิธีใช้ API การแปลงเสียงพูดเป็นข้อความกับ Python

หน่วยประมวลผลเฉพาะทางที่มี Document AI (Python)

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีใช้ Procurement DocAI และเอกสาร Lending DocAI เพื่อแยกประเภทและแยกวิเคราะห์เอกสารเฉพาะทาง

การรู้จำอักขระด้วยภาพ (OCR) ด้วย Document AI (Python)

ใน Codelab นี้ คุณจะได้ใช้การรู้จำอักขระด้วยภาพ (OCR) ของเอกสาร PDF โดยใช้ Document AI และ Python คุณจะได้ศึกษาวิธีสร้างคำขอให้ประมวลผลทั้งแบบออนไลน์ (ซิงโครนัส) และแบบกลุ่ม (อะซิงโครนัส)

การแยกวิเคราะห์แบบฟอร์มด้วย Document AI (Python)

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีใช้โปรแกรมแยกวิเคราะห์แบบฟอร์ม AI ของเอกสารเพื่อแยกวิเคราะห์แบบฟอร์มที่เขียนด้วยลายมือด้วย Python เราจะใช้แบบฟอร์มข้อมูลทางการแพทย์ง่ายๆ เป็นตัวอย่าง แต่กระบวนการนี้จะใช้ได้กับรูปแบบทั่วไปที่ DocAI รองรับ Codelab

Document AI Workbench - ตัวแยกเอกสารที่กำหนดเอง

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีใช้ Document AI Workbench เพื่อสร้างโมเดลที่กำหนดเองอย่างเต็มรูปแบบโดยใช้ข้อมูลการฝึกของคุณเอง

Document AI Workbench - การฝึกปรับปรุง

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีใช้ Document AI Uptraining เพื่อปรับปรุงคุณภาพโมเดลโดยใช้ข้อมูลการฝึกของคุณเอง

AI ของเอกสาร: มนุษย์ในวงการ

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีใช้ Document AI Human ในลูปทำงานจากเจ้าหน้าที่ตรวจสอบให้เสร็จสิ้นด้วยผู้ประมวลผลข้อมูลเฉพาะทาง

TensorFlow.js — การจดจำตัวเลขที่เขียนด้วยลายมือด้วย CNN

ใน Codelab นี้ คุณจะได้ฝึกโมเดลให้ระบุตัวเลขที่เขียนด้วยลายมือ ในคำศัพท์เกี่ยวกับแมชชีนเลิร์นนิง งานที่เราเรียกกันว่างานการแยกประเภทเนื่องจากเป็นการคาดการณ์หมวดหมู่ของอินพุตหนึ่งๆ

• TensorFlow

การคาดการณ์อนุกรมเวลาด้วย Vertex AI และ BigQuery ML

ในห้องทดลองนี้ คุณจะได้เรียนรู้เกี่ยวกับวิธีแก้ปัญหาอนุกรมเวลาโดยใช้ Vertex AI ซึ่งครอบคลุมสมุดบันทึก การฝึก การคาดการณ์ และ BigQuery ML

• TensorFlow

TensorFlow.js — การสร้างการคาดการณ์จากข้อมูล 2 มิติ

ใน Codelab นี้ คุณจะได้ฝึกโมเดลให้ทำการคาดคะเนจากข้อมูลตัวเลข เมื่อพิจารณาจาก "แรงม้า" ของรถ โมเดลจะพยายามคาดการณ์ "ไมล์ต่อแกลลอน" สำหรับรถคันนั้น ในคำศัพท์เกี่ยวกับแมชชีนเลิร์นนิง เครื่องมือนี้เรียกว่างานที่มีความถดถอย เนื่องจากจะคาดการณ์ค่าต่อเนื่อง

• TensorFlow

การฝึกและการปรับแต่งไฮเปอร์พารามิเตอร์สำหรับโมเดล PyTorch บน Cloud AI Platform

ในห้องทดลองนี้ คุณจะได้ดูวิธีฝึกโมเดลในระบบคลาวด์ด้วยการปรับแต่งไฮเปอร์พารามิเตอร์ เราจะแสดงวิธีใช้ PyTorch ให้คุณดู แต่คุณสามารถทำแบบใดก็ได้ในเฟรมเวิร์กที่ต้องการ

การใช้ Text-to-Speech API กับ Python

ในบทแนะนำนี้ คุณจะได้เรียนรู้เกี่ยวกับการใช้ API การอ่านออกเสียงข้อความกับ Python

การใช้ Vision API กับ Python

ในบทแนะนำนี้ คุณจะได้เรียนรู้วิธีใช้ Vision API กับ Python

Generative Insights ด้วย BigQuery SQL และ Vertex AI

สร้างการคาดการณ์ระดับความสำเร็จของภาพยนตร์และแอปยาที่ต้องสั่งโดยแพทย์ด้วยการค้นหา BigQuery SQL และ Vertex AI PaLM API

LLM ของ SQL เท่านั้นพร้อม BigQuery ML ที่ใช้ Vertex AI PaLM API

การสรุปซอร์สโค้ดสำหรับที่เก็บ GitHub ที่พร้อมใช้งานเป็นชุดข้อมูลสาธารณะของ BigQuery โดยใช้ Vertex AI Large Language Model สำหรับการสร้างข้อความ (text-bison) เป็นฟังก์ชันระยะไกลที่โฮสต์ใน BigQuery

แอป Chat ที่มี PaLM API ใน Cloud Run

พัฒนาแอปพลิเคชันแชทโดยใช้เฟรมเวิร์ก Python Flask และโมเดล Vertex AI PaLM API

• Cloud Run

ฝึกและติดตั้งใช้งานโมเดลการจัดประเภทรูปภาพในอุปกรณ์ด้วย AutoML Vision ใน ML Kit

ใน Codelab นี้ คุณจะได้ฝึกตัวแยกประเภทรูปภาพโดยใช้ AutoML Vision Edge ใน ML Kit และเรียกใช้บนโทรศัพท์ Android หรือ iOS โดยใช้ ML Kit SDK

• ML Kit
• Firebase
• TensorFlow
• Android

สร้างแอปสำหรับ Google Chat ด้วย Gemini

ใน Codelab นี้ คุณจะได้สร้างแอป Google Chat ที่มีฟีเจอร์ล่าสุดที่พร้อมใช้งาน ซึ่งรวมถึงโมเดล AI ที่ทำงานด้วยระบบ Gemini ของ Vertex AI, Dialogflow CX, หน้าแรกของแอป, กิจกรรม Google Chat และวิดเจ็ตอุปกรณ์เสริม

• Google Workspace

Cloud Function ที่รวมโมเดล PaLM Text Bison

แสดง Cloud Function ที่เขียนขึ้นใน Python ที่เริ่มต้นโมดูล Vertex AI จากนั้นจึงระบุปลายทางเพื่อเรียกใช้โมเดล PaLM Text Bison

สร้างโมเดลการจัดประเภทข้อความแบบกำหนดเองและอัปเดตแอปโดยใช้โมเดลดังกล่าว

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีปรับปรุงโมเดลที่คุณสร้างไว้ในเส้นทาง "เริ่มต้นใช้งานด้วยการแยกประเภทข้อความบนอุปกรณ์เคลื่อนที่" เพื่อให้คุณมีโมเดลที่ทำงานกับข้อมูลของคุณเองได้ จากนั้นคุณจะเห็นวิธีอัปเดตแอป Android และ iOS ด้วยโมเดลใหม่

• TensorFlow
• Android

แอปการสรุปข้อความที่มี Vertex AI และ Svelte Kit

สร้างกรณีการใช้งานการสรุปข้อความเพื่อให้ผู้ใช้สรุปบทความ ข้อความ และเนื้อหารูปแบบอื่นๆ โดยใช้ Vertex AI ของ Google Cloud ในเว็บแอป Svelte Kit ได้

สร้างแอปรูปแบบการรับส่งข้อความพื้นฐาน

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีสร้างแอปรับส่งข้อความแบบง่ายๆ ด้วยกล่องข้อความและปุ่มส่ง

• TensorFlow
• Android

สร้างโมเดลที่กำหนดเองสำหรับตัวแยกประเภทรูปภาพ

ใน Codelab นี้ คุณจะได้ฝึกโมเดล ML ให้จดจำดอกไม้ชนิดใดชนิดหนึ่ง

• TensorFlow
• Android

TensorFlow.js: ฝึกโมเดลการตรวจจับสแปมความคิดเห็นอีกครั้งเพื่อจัดการกับกรณีปัญหาหลัก

ใน Codelab นี้ คุณจะได้ดูวิธีใช้เครื่องมือสร้างโมเดลอีกครั้งเพื่อฝึกโมเดลสแปมสําหรับความคิดเห็นใหม่ให้พิจารณา ในกรณีที่เป็นไปได้แล้ว โมเดลที่ฝึกล่วงหน้าจะไม่สามารถจัดการได้ แล้วทําให้โมเดลใหม่ใช้งานเว็บแอปพลิเคชันอีกครั้ง

• TensorFlow

ผสานรวมโมเดลที่กำหนดเองในแอปของคุณ

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีผสานรวมโมเดลการจัดประเภทรูปภาพที่กำหนดเองลงในแอป Android หรือ iOS โดยใช้โมเดลที่กำหนดเองของ ML Kit

• Android
• TensorFlow

สร้างโมเดลแมชชีนเลิร์นนิงสำหรับสแปมความคิดเห็น

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีการสร้างโมเดลแมชชีนเลิร์นนิงที่มีความสามารถในการกรองสแปมจากความคิดเห็นอื่นๆ

• Android
• TensorFlow

วิธีการสรุปข้อความโดยใช้ Vertex AI PaLM API

ในบทแนะนำนี้ คุณจะได้เรียนรู้วิธีใช้โมเดล Generative เพื่อสรุปข้อมูลจากข้อความโดยดำเนินการผ่านวิธีการยัดเยียด

สร้างเว็บแคมอัจฉริยะด้วย JavaScript ด้วยโมเดลแมชชีนเลิร์นนิงที่ฝึกไว้แล้วล่วงหน้าของ TensorFlow.js

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีโหลดและใช้โมเดลที่ฝึกไว้แล้วล่วงหน้าของ TensorFlow.js (COCO-SSD) รายการใดรายการหนึ่งและใช้โมเดลนี้เพื่อจดจำออบเจ็กต์ทั่วไปที่ได้รับการฝึกมา

• TensorFlow

การใช้ Document AI Warehouse เพื่อนำเข้า ประมวลผล และค้นหาเอกสาร

ใน Codelab นี้ คุณจะใช้ Document AI Warehouse เพื่อนำเข้า ประมวลผล และค้นหาข้อความแบบเต็มของเอกสาร

ปรับใช้ Google แปลภาษาพื้นฐาน" แอป Express.js ใน App Engine, Cloud Functions และ Cloud Run

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีใช้ Google Cloud Translation API กับ Node.js และเรียกใช้ภายในเครื่องหรือทำให้ใช้งานได้กับแพลตฟอร์มการประมวลผลแบบ Serverless ของระบบคลาวด์ (App Engine, Cloud Functions หรือ Cloud Run)

สร้างโมเดลการตรวจจับการฉ้อโกงบน Cloud AI Platform ด้วย TensorFlow Enterprise และ BigQuery

ในห้องทดลองนี้ คุณจะได้นำเข้าชุดข้อมูล BigQuery โดยตรงและฝึกโมเดลการตรวจจับการฉ้อโกงด้วย TensorFlow Enterprise บน Google Cloud AI Platform

• TensorFlow

การอธิบายโมเดลการตรวจจับการฉ้อโกงด้วย Cloud AI Platform

ในห้องทดลองนี้ คุณจะได้สร้าง tf.keras สำหรับระบุธุรกรรมที่เป็นการฉ้อโกงโดยใช้ TensorFlow จากนั้นตีความผลลัพธ์ของโมเดลด้วย Explainable AI SDK ของ Cloud

• TensorFlow

ข้อมูลไปยัง Generative AI ด้วย Spanner และ Vertex AI Imagen API

สร้างแอปสร้างท่าทางเพื่อสร้างรูปภาพตามพรอมต์ท่าทางที่ผู้ใช้สร้าง พร้อมด้วยข้อมูลที่ดึงข้อมูลจากฐานข้อมูล Spanner โดยใช้ API ของแอปเซิร์ฟเวอร์

แชทที่ทำงานด้วยระบบ Generative AI กับผู้ใช้และเอกสารใน Java ด้วย PaLM และ LangChain4J

ใน Codelab นี้ คุณจะได้แชทกับผู้ใช้หรือถามคำถามเกี่ยวกับเอกสารของคุณ โดยใช้ Generative AI ใน Java, การผสานรวมโมเดลภาษาขนาดใหญ่ของ PaLM และใช้ประโยชน์จากเฟรมเวิร์กการจัดการเป็นกลุ่ม LangChain4J LLM

ทำให้งานของ Google Workspace เป็นแบบอัตโนมัติด้วย Gemini API

เรียนรู้วิธีใช้ความสามารถของ Gemini API เพื่อทำให้งานของ Google Workspace เป็นแบบอัตโนมัติและสำรวจความเป็นไปได้อื่นๆ

• Google Workspace

วิธีโต้ตอบกับ API โดยใช้การเรียกใช้ฟังก์ชันใน Gemini

ใน Codelab นี้ คุณจะใช้การเรียกใช้ฟังก์ชันใน Gemini เพื่อสร้างแอปให้ผู้ใช้ถามเกี่ยวกับอัตราแลกเปลี่ยน ดึงข้อมูลล่าสุดจาก API ภายนอก แล้วตอบกลับผู้ใช้พร้อมคำตอบ

การสร้างข้อความ Generative AI ใน Java ด้วย PaLM และ LangChain4J

ใน Codelab นี้ คุณจะได้เริ่มต้นใช้งาน Generative AI ใน Java, การผสานรวมโมเดลภาษาขนาดใหญ่ PaLM และใช้ประโยชน์จากเฟรมเวิร์กการจัดการเป็นกลุ่ม LangChain4J LLM

TensorFlow.js: แปลง PythonSavedModel เป็นรูปแบบ TensorFlow.js

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีการนำโมเดล Python ML ที่มีอยู่ซึ่งอยู่ในรูปแบบ SaveModel แล้วแปลงเป็นรูปแบบ TensorFlow.js เพื่อให้ทำงานในเว็บเบราว์เซอร์ได้ ขณะเดียวกันก็เรียนรู้วิธีแก้ไขปัญหาทั่วไปที่อาจเกิดขึ้นใน Conversion ด้วย

• TensorFlow

การฝึก TensorFlow.js ใน Node.js Codelab

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีการสร้างและฝึกโมเดลการประเมินสนามเบสบอลโดยใช้ TensorFlow.js ในเซิร์ฟเวอร์ Node.js และแสดงเมตริกให้แก่ไคลเอ็นต์

• TensorFlow

การทำงานอัตโนมัติของคำสั่ง Slack

ซอร์สโค้ดสำหรับสร้างคำสั่ง Slack Slash สำหรับการสรุปข้อความในแอปพลิเคชัน Slack แอปพลิเคชัน Slack จะใช้ Cloud Function เพื่อเรียกใช้ PaLM API สำหรับการสรุปข้อความ

จดจำดอกไม้ด้วย TensorFlow Lite บน Android

ใน Codelab นี้ คุณจะได้ใช้ตัวแยกประเภทรูปภาพและเรียกใช้ในโทรศัพท์ Android โดยใช้ TensorFlow Lite

• TensorFlow
• Android

การค้นหาความคล้ายคลึงกันด้วย Spanner และ Vertex AI

สร้างแอปพลิเคชันการค้นหาความคล้ายคลึงกันสำหรับการแนะนำเครื่องแต่งกายตามข้อมูลจากผู้ใช้ และดำเนินการค้นหาข้อมูลที่จัดเก็บในประแจ และจัดทำดัชนีโดย Vector Search เพื่อโต้ตอบกับเพื่อนบ้านที่อยู่ใกล้ที่สุด

การจดจำคำพูดด้วย AI ด้วย TensorFlow Lite สำหรับไมโครคอนโทรลเลอร์และ SparkFun Edge

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีเรียกใช้โมเดลการจดจำคำพูดโดยใช้ TensorFlow Lite สำหรับไมโครคอนโทรลเลอร์ใน SparkFun Edge ซึ่งเป็นบอร์ดพัฒนาการที่ใช้พลังงานจากแบตเตอรี่และมีไมโครคอนโทรลเลอร์

• TensorFlow

TensorFlow.js - การจดจำเสียงโดยใช้การเรียนรู้การโอน

ใน Codelab นี้ คุณจะสร้างเครือข่ายการจดจำเสียงพื้นฐานที่สามารถจดจำเสียงของคุณและใช้เพื่อควบคุมแถบเลื่อนในเบราว์เซอร์ คุณจะได้ใช้ TensorFlow.js ซึ่งเป็นไลบรารีแมชชีนเลิร์นนิงที่มีประสิทธิภาพและยืดหยุ่นสำหรับ JavaScript

• TensorFlow

ML Kit จดจำข้อความและลักษณะใบหน้า: iOS

ใน Codelab นี้ คุณจะได้สร้างแอป iOS ที่มี ML Kit ซึ่งใช้แมชชีนเลิร์นนิงในอุปกรณ์เพื่อจดจำข้อความและลักษณะใบหน้าในรูปภาพ

• ML Kit

对象检测入门

了解对象检测的基础知识，以及如何将预训练的对象检测器集成到您的移动应用中。

• TensorFlow
• Android

商品图片搜索入门

了解如何使用设备端对象检测功能为移动应用构建商品图片搜索功能。

• Android
• TensorFlow

移动文本分类入门

了解如何在一个移动应用中使用机器学习技术来识别文本，并打造一个能够过滤评论中的垃圾内容的应用。

• TensorFlow
• Android

在 Google Cloud 中构建自定义响应式聊天机器人

学习如何为 Dialogflow 聊天机器人构建自定义前端，为用户打造自然的对话式体验，然后使用 Cloud Vision 增强前端，使它能够分析上传的图片，并将相关分析结果包含在响应中。

• Dialogflow

使用 AlloyDB 和 Vertex AI Agent Builder 构建智能购物助理 - 第 2 部分

在此 Codelab 中，您将构建一个知识驱动型聊天应用，该应用旨在回答客户问题、引导产品发现以及针对电子商务数据集定制搜索结果

深入了解图片分类

了解如何构建自定义图片分类模型，进一步提高您在“图片分类入门”在线课程中学到的技能。

• TensorFlow
• Android

深入了解对象检测

了解如何使用 TensorFlow Lite 和 TensorFlow Lite Model Maker 库训练您自己的自定义对象检测模型，并提升您在“对象检测入门”在线课程中学到的所有技能。

• TensorFlow
• Android

深入了解音频分类

了解如何借助 TFlite Model Maker，根据您的需求自定义经过预训练的音频分类模型，并将其部署到您的应用中。

• Android
• TensorFlow

垃圾评论检测入门

了解有关使用 TensorFlow.js 为 Web 应用创建自定义文本分类模型方面的基础知识。

• TensorFlow

音频分类入门

了解如何在移动应用中使用机器学习功能对移动设备接收到的声音进行分类。

• TensorFlow
• Android

深入了解商品图片搜索

了解如何构建商品图片搜索后端并从移动应用调用该后端，从而增强在“商品图片搜索入门”在线课程中构建的商品搜索功能。

• Android
• TensorFlow

使用 TensorFlow 进行神经网络编程

从新编程范式的首要原则，到如何创建卷积神经网络来实现高级图像识别和分类，从而解决常见的计算机视觉问题；在这里，您可以获得所需的一切信息，真正理解机器学习。

• TensorFlow

移动图片分类入门

了解如何使用计算机视觉技术构建能够“看到”和标记图片的移动应用。

• TensorFlow
• Android

深入了解垃圾评论检测

了解如何再训练垃圾评论模型，使之涵盖使用默认的预制模型时可能会漏掉的极端情况。

• TensorFlow

使用 Document AI 智能处理手写表单 (Python)

在此 Codelab 中，我将创建一个以 Python 编写的 Document AI API 教程。

TensorFlow.js 迁移学习图片分类器

在此 Codelab 中，您将学习如何构建一个“会学习的机器”，即一个可使用 TensorFlow.js 在浏览器中即时训练的自定义图片分类器。

• TensorFlow

在 Android 上使用 TensorFlow Lite 识别花卉（Beta 版）

在此 Codelab 中，您将提取一个图像分类器，然后使用 TensorFlow Lite 在 Android 手机上运行它。

• Android
• TensorFlow

使用 TensorFlow Lite Model Maker 训练垃圾评论检测模型

了解如何使用 TensorFlow Lite Model Maker 训练垃圾评论检测模型。

• Flutter
• TensorFlow

创建 Flutter 应用以对文本进行分类

了解如何构建一个 Flutter 应用，用于对文本进行分类并在界面中显示结果。

• TensorFlow
• Flutter

使用 TensorFlow Lite (Android) 构建和部署自定义对象检测模型

在此 Codelab 中，您将构建一个可以检测图片中对象的 Android 应用。首先，使用 TFLite Model Maker 训练自定义对象检测模型，然后使用 TFLite Task 库部署该模型

• Android
• TensorFlow

在 Android 或 iOS 上构建您的首个计算机视觉应用

在此 Codelab 中，您将学习如何构建适用于 Android 和 iOS 且可正确标记图片的简单应用。

• TensorFlow
• Android

创建一款基本的音频分类应用

在此 Codelab 中，您将学习如何创建可使用手机麦克风录制音频的基本音频分类应用。

• TensorFlow
• Android

构建自定义的预训练音频分类模型

在此 Codelab 中，您将学习如何自定义预训练的音频分类模型，以便检测鸟的叫声。

• TensorFlow
• Android

TensorFlow.js：构建垃圾评论检测系统

在此 Codelab 中，您将学习如何构建具有博文功能的简单评论功能的网页，并将其与预训练的机器学习模型集成，以检测垃圾评论，从而让您在垃圾评论出现之前将其滤除存储在任何后端数据库中，可缩短服务器处理时间和费用。

• TensorFlow

TensorFlow.js：重新训练垃圾评论检测模型以处理极端情况

在此 Codelab 中，您将学习如何使用 Model Maker 重新训练垃圾评论模型，使之涵盖预训练模型无法处理的极端情况，然后将新模型重新部署到 Web 应用。

• TensorFlow

在 Android 上调用 Vision API Product Search 后端

在此 Codelab 中，您将向 Android 应用添加代码以调用 Vision API Product Search 后端，以便应用用户可以使用图片搜索商品。

• Android

使用 Vision API Product Search 构建商品图片搜索后端

在此 Codelab 中，您将学习如何使用 Vision API Product Search 构建商品图片搜索后端，以及如何创建 API 密钥以从移动应用调用该后端。

• Android

创建 Android 应用以检测图片中的对象

了解如何构建一个 Android 应用，用于检测图片中的对象并呈现其界面中的结果。

• Android
• TensorFlow

创建一个 iOS 应用以预测值

了解如何构建 iOS 应用，以检测图片中的对象并在界面中呈现结果。

• TensorFlow

创建用于对图片进行分类的简单网站

了解如何创建一个简单的网站，以使用 TensorFlow Serving 对图片进行分类。

• TensorFlow

使用 TensorFlow Lite Model Maker 创建自定义文本分类模型

了解如何使用 TensorFlow Lite Model Maker 重新训练垃圾内容检测模型，以检测特定类型的垃圾内容。

• TensorFlow
• Flutter

机器学习入门“Hello, World”

了解创建神经网络的基础知识，以及了解它如何定义行为的规则。

• TensorFlow

构建卷积并执行池化

了解如何构建卷积并执行池化以增强计算机视觉。

• TensorFlow

使用 TensorFlow 构建计算机视觉模型

了解如何使用 TensorFlow 创建用以识别衣物的计算机视觉模型。

• TensorFlow

使用卷积神经网络 (CNN) 处理复杂图像

了解如何使用 CNN 处理复杂图像（需要识别的主体可能位于图像上的任意位置）。

• TensorFlow

构建卷积神经网络 (CNN) 以增强计算机视觉

了解如何构建 CNN，从而使计算机更加高效地根据检测到的特征对图像内容进行分类。

• TensorFlow

使用大型数据集训练卷积神经网络 (CNN)，以免过拟合

学习使用大型数据集训练 CNN 以避免过拟合。

• TensorFlow

Leveraging the Gemini Pro Vision model for image understanding, multimodal prompts and accessibility

Explore how you can use the new Gemini Pro Vision model with the Gemini API to handle multimodal input data including text and image prompts to receive a text result. In this solution, you will learn how to access the Gemini API with image and text data, explore a variety of examples of prompts that can be achieved using images using Gemini Pro Vision and finally complete a codelab exploring how to use the API for a real-world problem scenario involving accessibility and basic web development.

• Gemini

Getting started with the Gemini API and Android

Learn how to use the Gemini API and the Google AI SDK to prototype generative AI in Android applications.

• Gemini
• Android
• Vertex AI ใน Firebase

Getting started with the Gemini API and Web apps

Learn how to use the Gemini API and the Google AI JavaScript SDK to prototype generative AI for web apps. Use the Google AI JavaScript SDK to make your first generative AI call using the Gemini API in your client-side web application. Explore a sample application and learn how to make multimodal prompts (that combine image and text).

• Vertex AI ใน Firebase
• Gemini

Getting started with the Gemini API and Dart and Flutter

Learn how to use the Gemini API and the Google AI Dart SDK to prototype generative AI in Dart and Flutter applications.

• Vertex AI ใน Firebase
• Flutter
• Gemini

Getting started with the Gemini API and Swift

Learn how to use the Gemini API and the Google AI Swift SDK to prototype generative AI with Swift. Use the Google AI Swift SDK to make your first generative AI call using the Gemini API in your application. Explore a sample application and learn how to make multimodal prompts (that combine image and text).

• Vertex AI ใน Firebase
• Gemini

Getting started with Google AI Studio and the Gemini API using Node.js

Learn how to prototype text-based prompts with Google AI Studio and get started writing your first Gemini API Node.js script.

• Gemini

Incorporating generative AI into your game development process with Gemini and Gemma AI

Learn how generative AI can be used in different stages of game development from preproduction to in-game solutions using Gemini AI and Gemma model.

• Gemini

Creating a multiplayer crossword with Gemini, Flutter, and Firebase

Learn how the Google engineering teams created a multiplayer crossword using Gemini, Flutter, and Firebase.

• Flutter
• Firebase