使用 Cloud 数据库、无服务器运行时和开源集成的玩具店搜索应用

在此 Codelab 中，您将构建一个基于 RAG 的矢量搜索应用，该应用旨在根据客户搜索（通过文本和图片）查找匹配的玩具，根据用户请求创建自定义玩具，并使用 AlloyDB、Gemini、Imagen、LangChain4j 和 GenAI 数据库工具箱预测自定义创建的玩具的价格。

使用 AlloyDB AI 和 LangChain 构建基于 LLM 和 RAG 的聊天应用

在此 Codelab 中，您将学习如何创建 AlloyDB 集群、为数据库部署 GenAI Databases Retrieval Service，以及使用该服务创建示例应用。

• AlloyDB for PostgreSQL

AlloyDB AI 中的向量嵌入使用入门

在此 Codelab 中，您将学习如何将 AlloyDB AI 与向量搜索结合使用，并为向量数据创建索引

• AlloyDB for PostgreSQL

Cloud SQL for PostgreSQL 中矢量嵌入的使用入门

在此 Codelab 中，您将学习如何将 Cloud SQL AI 集成与向量搜索结合使用，并在向量数据上创建索引

• Cloud SQL

在 AlloyDB 上为生成式 AI 和代理应用安装和设置 Toolbox

在此 Codelab 中，您将构建并部署一个价格预测应用的 Toolbox，该 Toolbox 使用 Gen AI Toolbox for Databases 服务，并使用 AlloyDB 和生成式 AI 功能。

使用 Firestore、Vector Search 和 Gemini 2.0 构建上下文感知型瑜伽姿势推荐应用！

在此 Codelab 中，您将构建一个知识驱动的上下文瑜伽姿势搜索应用，旨在根据用户的瑜伽姿势问题回答相应问题。还可以执行创建和修改瑜伽姿势等管理任务。

Java 版 Gemini 与 Vertex AI 和 LangChain4j

在此 Codelab 中，您将与用户聊天，提出有关文档的问题，或通过函数调用来扩展模型、使用 Java 中的生成式 AI、在 Vertex AI 上集成 Gemini 大语言模型以及利用 LangChain4j 框架

将 Translation API 与 Python 搭配使用

在本教程中，您将学习如何将 Translation API 与 Python 搭配使用。

使用 AlloyDB 和 Vertex AI Agent Builder 构建智能购物助理 - 第 1 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

通过 Private Service Connect 端点使用 Python SDK 访问 Gemini 对话

通过 Python SDK 和 PSC 端点从虚拟机访问 Gemini

• Vertex AI

使用 PaLM Vertex AI API 和 Google Cloud Storage 总结内容所用的 Cloud Functions 函数

此 Cloud Functions 函数演示了如何使用 Vertex AI PaLM API 对 Google Cloud Storage 中的上传文件处理内容并执行摘要。

使用 SQL 通过 BQML 进行电影评分预测

我们将通过 BigQuery ML 创建一个仅使用 SQL 的电影得分预测模型

使用 Vertex AI AutoML 进行电影评分预测

我们将使用 Vertex AI AutoML 创建电影得分预测模型，并将其部署到 API 端点，并通过 Java Cloud Functions 函数触发预测 API。

部署基本的“Google 翻译”。app on Python 3 Cloud Functions

在此 Codelab 中，您将学习如何将 Google Cloud Translation API 与 Python 搭配使用，以及如何在本地运行或部署到 Cloud 无服务器计算平台（App Engine、Cloud Functions 或 Cloud Run）。

使用 Vertex AI Conversation 创建生成式聊天应用

在此 Codelab 中，您将使用 Vertex AI Conversation 创建、配置和部署 Data Store Agent 和聊天应用，以回答客户有关 Google 商店中商品的问题。

部署基本的“Google 翻译”。应用，在 Python 2 Cloud Run (Docker) 上运行

在此 Codelab 中，您将学习如何将 Google Cloud Translation API 与 Python 搭配使用，以及如何在本地运行或部署到 Cloud 无服务器计算平台（App Engine、Cloud Functions 或 Cloud Run）。

部署基本的“Google 翻译”。应用：Python 3 Cloud Run (Docker)

在此 Codelab 中，您将学习如何将 Google Cloud Translation API 与 Python 搭配使用，以及如何在本地运行或部署到 Cloud 无服务器计算平台（App Engine、Cloud Functions 或 Cloud Run）。

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。

• Android
• TensorFlow

使用机器学习套件检测图片中的对象以构建视觉化商品搜索：Android

在此 Codelab 中，您将使用机器学习套件构建一个 Android 应用，该应用使用设备端机器学习技术来检测图片中的对象，然后允许用户进行可视化商品搜索。

• Android
• ML Kit

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。

• TensorFlow
• Android

使用 Procurement Document AI 通过 AI Platform Notebooks 解析账单

您将学习如何使用 Procurement DocAI 智能地解析账单。

在 Dataproc 上将 PySpark 用于自然语言处理

本实验介绍如何使用 Spark MLlib 和 spark-nlp 对大量数据执行机器学习和 NLP。

在 AI Platform Notebooks 中进行模型的原型设计

在本实验中，您将学习如何使用 AI Platform Notebooks 对机器学习工作流进行原型设计。我们将介绍如何创建自定义笔记本实例、在 Git 中跟踪笔记本代码，以及如何使用 What-If 工具调试模型。

• TensorFlow

部署基本的“Google 翻译”。app on Python 2 App Engine

在此 Codelab 中，您将学习如何将 Google Cloud Translation API 与 Python 搭配使用，以及如何在本地运行或部署到 Cloud 无服务器计算平台（App Engine、Cloud Functions 或 Cloud Run）。

将 Natural Language API 与 Python 结合使用

在本教程中，您将学习如何将 Natural Language API 与 Python 结合使用。

书架分析：使用 Gemini 通过 BigQuery 和生成式 AI 构建 SQL 应用

我们将借助 Gemini 来借助 BigQuery（仅限 SQL 的生成式 AI）创建图书推荐和摘要分析。

书架构建器：使用 Gemini 为 Gemini 应用构建 Java Cloud Functions 函数

我们将使用 Cloud Functions 函数中的 Vertex AI 生成式 AI (Gemini) 作为 BigQuery 的远程函数，创建一个图书推荐和摘要应用。

使用 Vertex AI 构建 Google 品质的搜索系统

在此 Codelab 中，您将构建一个 Google 优质搜索引擎，帮助您使用 Vertex AI Search/Agent Builder 回答文档和文本文件中的查询。

• Vertex AI
• Google Cloud

使用机器学习套件识别文本和面部特征：Android

在此 Codelab 中，您将使用机器学习套件构建一个 Android 应用，该应用使用设备端机器学习技术来识别图片中的文本和面部特征。

• Android
• ML Kit

使用机器学习套件和 CameraX 识别文本、识别语言和翻译文本：Android

在此 Codelab 中，您将使用机器学习套件构建一个 Android 应用，该应用使用设备端机器学习技术来识别和识别语言并在 59 种语言之间翻译文本。此外，您还将学习如何集成 CameraX 库，通过实时摄像头画面完成这些任务。

• Android
• ML Kit
• Firebase

更新应用以使用垃圾内容过滤机器学习模型

了解如何使用能够基本过滤垃圾评论的机器学习模型来更新应用。

• 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。

• Android
• TensorFlow

使用 What-If 工具和 Vertex AI 构建金融机器学习模型

在本实验中，您将学习如何基于金融数据集训练 XGBoost 模型，将其部署到 Vertex AI，并使用 What-If 工具对其进行分析

• TensorFlow

包含 Keras 和 TPU 的卷积神经网络

在本实验中，您将学习如何将卷积层组装到能够识别花朵的神经网络模型中。这一次，您将从头开始自行构建模型，并利用 TPU 的强大功能在几秒钟内完成模型训练，并对其进行迭代设计。本实验包含关于卷积神经网络的必要理论解释，非常适合开发者学习深度学习知识。

• TensorFlow

TPU 上的 Keras 和现代卷积

在本实验中，您将学习如何从头开始构建、训练和调整您自己的卷积神经网络。现在，利用 TPU，这一过程在几分钟内即可完成。您还将探索多种方法，从非常简单的迁移学习到 Squeezenet 等现代卷积架构。本实验包含关于神经网络的必要理论解释，是开发者学习深度学习的一个很好的切入点。本实验使用 TensorFlow 2。

• TensorFlow

TPU 速度数据流水线：tf.data.Dataset 和 TFRecords

TPU 的速度非常快。训练数据流必须与其训练速度保持同步。在本实验中，您将学习如何使用 tf.data.Dataset API 从 GCS 加载数据，以便为 TPU 馈送数据。

• TensorFlow

您的第一个具有迁移学习功能的 Keras 模型

在本实验中，您将学习如何构建 Keras 分类器。我们并不尝试找出神经网络层的完美组合来识别花卉，而是首先使用一种名为迁移学习的技术使强大的预训练模型适应我们的数据集。本实验包含有关神经网络的必要理论解释，是开发者学习深度学习的一个很好的切入点。

现代卷积神经网络、Squeezenet、Xception 以及 Keras 和 TPU

在本实验中，您将了解现代卷积架构，并利用所学知识实现一个简单而有效的卷积神经网络，名为“squeezenet”。本实验包含关于卷积神经网络的必要理论解释，非常适合开发者学习深度学习知识。

• TensorFlow

使用 Cloud SQL 数据库和 LangChain 构建基于 LLM 和 RAG 的聊天应用

在此 Codelab 中，您将学习如何创建数据库、为数据库部署 GenAI Retrieval Service，以及使用该服务创建示例聊天应用。

• Cloud SQL

使用 TensorFlow Lite 和 Firebase 向您的应用添加建议 - iOS Codelab

在此 Codelab 中，您将学习如何使用 TensorFlow 和 Firebase 为应用创建内容推荐引擎

• Google Analytics
• Firebase ML
• Firebase
• TensorFlow

使用 TensorFlow Lite 和 Firebase 向您的应用添加设备端文本分类 - iOS Codelab

在此 Codelab 中，您将学习如何使用 Firebase 和 TensorFlow Lite 实现文本分类。

• TensorFlow
• Firebase
• Firebase ML

“实时设备端应用内购优化”Codelab

在此 Codelab 中，您将学习如何部署 TFLite 模型，以便为每位用户量身定制应用并优化应用内购买

• Firebase AB Testing
• TensorFlow
• Firebase
• Google Analytics
• BigQuery
• Android
• Firebase Remote Config
• Firebase ML

使用 TensorFlow Lite 和 Firebase 将设备端文本分类功能添加到您的应用 - Android Codelab

在此 Codelab 中，您将学习如何使用 Firebase 和 TensorFlow Lite 实现文本分类。

• TensorFlow
• Firebase ML
• Firebase
• Android

使用 TensorFlow Lite 和 Firebase 向您的应用添加建议 - Android Codelab

在此 Codelab 中，您将学习如何使用 TensorFlow 和 Firebase 为应用创建内容推荐引擎。

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

TensorFlow、Keras 和深度学习（无需拥有博士学位）

在此 Codelab 中，您将学习如何在 100 行 Python / Keras 代码中让计算机以 99% 的准确率识别手写数字，

• TensorFlow

将 Video Intelligence API 与 Python 搭配使用

在本教程中，您将学习如何在 Python 中使用 Video Intelligence API。

通过惠普调整从笔记本到 Kubeflow 流水线：数据科学之旅

在此 Codelab 中，您将学习如何在 Kubeflow 流水线上构建和部署具有超参数调节的复杂数据科学流水线，而无需使用任何 CLI 命令或 SDK。

Kubeflow 流水线 - GitHub 问题摘要

在此 Codelab 中，您将使用 GKE 设置 Cloud AI Platforms 流水线安装（托管 KFP），使用 Kubeflow 流水线构建和运行机器学习工作流，并在 AI Platform Notebook (Jupyter) 中定义和运行流水线。

• TensorFlow

使用 MiniKF 和 Kale 从笔记本到 Kubeflow 流水线

在此 Codelab 中，您将学习如何在不使用任何 CLI 命令或 SDK 的情况下，使用 Kubeflow 流水线构建和部署复杂的数据科学流水线。

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 Vertex AI 进行视频分析的生成式 AI

了解如何利用 Google 的生成式 AI 功能，分析 YouTube 上的网红对于任何公司或产品的观点。

在 Cloud AI Platform 上构建、训练和部署 XGBoost 模型

在本实验中，您将了解 GCP 上的完整机器学习工作流：从 BigQuery 提取数据、在 Cloud AI Platform Notebooks 实例中构建 XGBoost 模型，以及将模型部署到 AI Platform。

使用 What-If 工具分析部署在 Cloud AI Platform 上的金融机器学习模型

在本实验中，您将学习如何基于金融数据集训练 XGBoost 模型，将其部署到 Cloud AI Platform，并使用 What-If 工具对其进行分析

• TensorFlow

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

使用 AlloyDB 和 Vertex AI Agent Builder 构建专利搜索助理 - 第 2 部分

在此 Codelab 中，您将构建一个知识驱动型聊天应用，该应用旨在回答与专利搜索相关的问题，并以专利数据集真实信息作为来源，提供与上下文相关的结果。

轻松实现计算机视觉：Spring Boot 和 Java 上的 Vision AI

我们将使用 Spring Boot 和 Java 创建计算机视觉应用，使您能够在项目中释放图像识别和分析的潜力。

• Cloud Run

使用 Java 中的 Gemini 函数调用确定性生成式 AI

演示 Java 应用中的 Gemini 函数调用功能，具体方法是调用 Gemini 模型来编排函数调用的输入，调用 API，然后在另一个 Gemini 调用中处理响应并将其部署到 REST 端点。

使用 Vertex AI 和 BigQuery ML 进行时序预测

在本实验中，您将了解如何使用 Vertex AI 解决时间序列问题，涵盖 Notebooks、训练、预测和 BigQuery ML。

• TensorFlow

在 Cloud AI Platform 上训练和超参数调节 PyTorch 模型

在本实验中，您将学习如何使用超参数调节在云端训练模型。我们将向您展示如何使用 PyTorch 执行此操作，但您可以在任何想要的框架中执行此操作。

将 Text-to-Speech API 与 Python 配合使用

在本教程中，您将学习如何将 Text-to-Speech API 与 Python 搭配使用。

将 Vision API 与 Python 搭配使用

在本教程中，您将学习如何将 Vision API 与 Python 搭配使用。

通过 BigQuery SQL 和 Vertex AI 生成生成式数据分析

使用 BigQuery SQL 查询和 Vertex AI PaLM API 构建电影成功评分预测和处方应用。

仅包含 SQL 的 LLM 与 BigQuery ML 及 Vertex AI PaLM API 搭配使用

以 BigQuery 公共数据集形式提供的 GitHub 代码库源代码摘要，使用 Vertex AI 大语言模型 (text-bison) 作为 BigQuery 中的托管式远程函数来生成文本。

在 Cloud Run 上使用 PaLM API 聊天应用

使用 Python Flask 框架和 Vertex AI PaLM API 模型开发聊天应用。

• Cloud Run

在机器学习套件中使用 AutoML Vision 训练和部署设备端图片分类模型

在此 Codelab 中，您将使用机器学习套件中的 AutoML Vision Edge 训练图片分类器，并使用机器学习套件 SDK 在 Android 或 iOS 手机上运行图片分类器。

• Android
• TensorFlow
• Firebase
• ML Kit

用于封装 PaLM Text Bison 模型的 Cloud Functions 函数

演示用 Python 编写的 Cloud Functions 函数，该函数可初始化 Vertex AI 模块，然后提供用于调用 PaLM Text Bison 模型的端点。

创建自定义文本分类模型，并使用该模型更新应用

在此 Codelab 中，您将学习如何增强您在“移动文本分类入门”在线课程中构建的模型，以便构建一个能够使用您自己的数据的模型。然后，您将了解如何使用新模型更新 Android 和 iOS 应用

• TensorFlow
• Android

构建基本消息传递样式应用

在此 Codelab 中，您将学习如何构建一个包含文本框和发送按钮的简单即时通讯应用。

• Android
• TensorFlow

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。

• Android
• TensorFlow

为图片分类器创建自定义模型

在此 Codelab 中，您将训练一个机器学习模型来识别特定花卉。

• TensorFlow
• Android

包含 Vertex AI 和 Svelte Kit 的文本摘要器应用

构建文本摘要用例，允许用户在 Svelte Kit Web 应用中使用 Google Cloud Vertex AI 总结文章、文本和其他形式的内容。

TensorFlow.js：重新训练垃圾评论检测模型来处理极端情况

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

将自定义模型集成到您的应用中

在此 Codelab 中，您将学习如何使用机器学习套件自定义模型将自定义图片分类模型集成到 Android 或 iOS 应用中。

• TensorFlow
• Android

构建垃圾评论机器学习模型

在此 Codelab 中，您将学习如何创建能够过滤其他评论中的垃圾内容的机器学习模型。

• Android
• TensorFlow

使用 Vertex AI PaLM API 创建文本摘要方法

在本教程中，您将学习如何使用生成模型通过填充方法从文本中总结信息

通过 TensorFlow.js 预训练的机器学习模型，使用 JavaScript 制作智能摄像头

在此 Codelab 中，您将学习如何加载和使用一个 TensorFlow.js 预训练模型 (COCO-SSD)，并用它来识别用于训练它的常见对象。

• TensorFlow

使用 Document AI Warehouse 提取、处理和搜索文档

在此 Codelab 中，您将使用 Document AI Warehouse 来提取、处理和搜索文档全文。

部署基本的“Google 翻译”。App Engine、Cloud Functions 和 Cloud Run 上的 Express.js 应用

在此 Codelab 中，您将学习如何将 Google Cloud Translation API 与 Node.js 搭配使用，以及如何在本地运行或部署到 Cloud 无服务器计算平台（App Engine、Cloud Functions 或 Cloud Run）。

使用 TensorFlow 企业版和 BigQuery 在 Cloud AI Platform 上构建欺诈检测模型

在本实验中，您将使用 TensorFlow 企业版在 Google Cloud AI Platform 上直接注入 BigQuery 数据集并训练欺诈检测模型。

• TensorFlow

使用 Cloud AI Platform 说明欺诈检测模型

在本实验中，您将构建一个 tf.keras，用于使用 TensorFlow 识别欺诈性交易，然后使用 Cloud 的 Explainable AI SDK 解读模型的结果。

• TensorFlow

使用 Spanner 和 Vertex AI Imagen API 将数据传输到生成式 AI

构建一个姿势生成器应用，以根据用户创建的姿势提示（使用服务器应用 API 从 Spanner 数据库提取的数据）生成图像。

利用生成式 AI 通过 PaLM 和 LangChain4J 以 Java 与用户和文档聊天

在此 Codelab 中，您将与用户聊天或询问有关文档的问题、使用 Java 中的生成式 AI、集成 PaLM 大语言模型以及利用 LangChain4J LLM 编排框架

使用 Gemini API 自动执行 Google Workspace 任务

了解如何利用 Gemini API 的强大功能来自动执行 Google Workspace 任务，并探索更多可能性。

• Google Workspace

如何使用 Gemini 中的函数调用与 API 交互

在此 Codelab 中，您将使用 Gemini 中的函数调用来构建一款应用，供用户询问汇率信息、从外部 API 提取最新数据，然后向用户提供答案。

使用 PaLM 和 LangChain4J 以 Java 语言生成生成式 AI 文本

在此 Codelab 中，您将开始使用 Java 中的生成式 AI、集成 PaLM 大语言模型并利用 LangChain4J LLM 编排框架

使用 Node.js 进行 TensorFlow.js 训练 Codelab

在此 Codelab 中，您将学习如何在 Node.js 服务器中使用 TensorFlow.js 构建和训练棒球投手估算模型，以及如何向客户端传送指标。

• TensorFlow

TensorFlow.js：将 Python SavedModel 转换为 TensorFlow.js 格式

在此 Codelab 中，您将学习如何采用 SavedModel 格式的现有 Python ML 模型并将其转换为 TensorFlow.js 格式，使其可以在网络浏览器中运行，同时学习如何解决在转换过程中可能发生的常见问题。

• TensorFlow

Slack 命令自动化

源代码用于在 Slack 应用中创建文本摘要的 Slack Slash 命令。Slack 应用使用 Cloud Functions 函数调用 PaLM API 来进行文本摘要。

在 Android 上使用 TensorFlow Lite 识别花卉

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 Spanner 和 Vertex AI 进行相似性搜索

根据用户输入构建相似度搜索应用，以获取服装推荐，并对 Spanner 中存储的并由矢量搜索编入索引的数据执行搜索，以便使用最近邻项做出响应。

使用适用于微控制器和 SparkFun Edge 的 TensorFlow Lite 进行 AI 语音识别

在此 Codelab 中，您将学习如何在 SparkFun Edge（一个由电池供电的开发板，包含微控制器）上使用适用于微控制器的 TensorFlow Lite 运行语音识别模型。

• TensorFlow

TensorFlow.js - 使用迁移学习进行音频识别

在此 Codelab 中，您将构建一个基本的音频识别网络，该网络可以识别您的声音，并使用该网络控制浏览器中的滑块。您将使用 TensorFlow.js，这是一个功能强大且灵活的 JavaScript 机器学习库。

• TensorFlow

识别文字和面部特征机器学习套件：iOS

在此 Codelab 中，您将使用机器学习套件构建一个 iOS 应用，该应用使用设备端机器学习技术来识别图片中的文本和面部特征。

• ML Kit

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。

• Android
• TensorFlow

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。

• TensorFlow
• Android

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。

• Android
• TensorFlow

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

Bookshelf Analytics：使用 Gemini 构建将 BigQuery 数据提取到网页的 Java Cloud Run 应用

我们将借助 Gemini 创建一个书架摘要应用，该应用可以直接将 BigQuery 数据提取到网页并部署在 Cloud Run 上。

• Cloud Run

TensorFlow.js - 根据 2D 数据进行预测

在此 Codelab 中，您将训练模型，以根据数值数据进行预测。如果提供汽车的“马力”，模型将尝试预测该汽车“每耗用一加仑汽油能行驶的英里数”。在机器学习术语中，我们将其称为回归任务，因为该模型可预测连续值。

• 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：使用 Firebase Hosting 大规模部署和托管机器学习模型

在此 Codelab 中，您将学习如何使用 Firebase 基础架构部署一个机器学习模型，以便通过 TensorFlow.js 在您的网站上使用该模型

• TensorFlow

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

使用机器学习套件和 CameraX 识别文本、识别语言和翻译文本：Android

在此 Codelab 中，您将使用机器学习套件构建一个 Android 应用，此应用使用设备端机器学习来识别文本、识别语言并在 59 种语言之间互译文本。您还将学习如何集成 CameraX 库，以利用实时摄像头画面完成这些任务。

• Android
• Firebase

TensorFlow.js - 使用 CNN 识别手写数字

在此 Codelab 中，您将训练模型来识别手写数字。在机器学习术语中，我们将其称为分类任务，因为该任务可预测给定输入的类别。

• 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。

• TensorFlow
• Flutter

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。

• Flutter
• TensorFlow

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

• TensorFlow
• Android

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。

• Android
• TensorFlow

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。

• Android
• TensorFlow

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。

• Flutter
• TensorFlow

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.

• Android
• Vertex AI in Firebase
• Gemini

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).

• Gemini
• Vertex AI in Firebase

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.

• Flutter
• Gemini
• Vertex AI in Firebase

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 in 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

Integrating machine learning APIs

In this codelab, we’ll explore the Vision, Speech-to-Text, Translation and Natural Language APIs. At the end, we’ll use these APIs to analyse audio recordings and map them to relevant images.

Build a computer vision model with TensorFlow

Learn to create a computer vision model that recognizes items of clothing with TensorFlow.

• TensorFlow

Gemini API Firebase Extensions: Quickly enhance your app with generative AI

Learn how the Gemini API Firebase Extensions enable you to add Gemini to your apps without becoming an AI expert.

• Gemini
• Firebase এক্সটেনশন
• Firebase

Using the Speech-to-Text API with Python

In this tutorial, you will learn to use the Speech-to-Text API with Python.

Form Parsing with Document AI (Python)

In this codelab, you will learn how to use the Document AI Form Parser to parse a handwritten form with Python. We will use a simple medical intake form as an example, but this procedure will work with any generalized form supported by DocAI. This

Document AI Workbench - Custom Document Extractor

In this codelab, you will learn how to use Document AI Workbench to create fully customized models using your own training data.

Optical Character Recognition (OCR) with Document AI (Python)

In this codelab, you will perform Optical Character Recognition (OCR) of PDF documents using Document AI and Python. You will explore how to make both Online (Synchronous) and Batch (Asynchronous) process requests.

Managing Document AI processors with Python

In this tutorial, you will learn to manage Document AI processors with Python.