App di ricerca di negozi di giocattoli con database Cloud, runtime serverless e integrazioni open source

In questo codelab, creerai un'applicazione di ricerca vettoriale basata su RAG progettata per trovare giocattoli corrispondenti alla ricerca dei clienti (tramite testi e immagini), creare giocattoli personalizzati in base alla richiesta dell'utente e prevedere il prezzo del giocattolo creato personalizzato utilizzando AlloyDB, Gemini, Imagen, LangChain4j e GenAI Toolbox per i database.

Creazione di un'applicazione di chat basata su LLM e RAG utilizzando AlloyDB AI e LangChain

In questo codelab imparerai a creare un cluster AlloyDB, a eseguire il deployment del servizio di recupero di database di AI generativa per i database e a creare un'applicazione di esempio utilizzando il servizio.

• AlloyDB per PostgreSQL

Inizia a utilizzare gli incorporamenti vettoriali con l'AI di AlloyDB

In questo codelab imparerai a utilizzare AlloyDB AI in combinazione con la ricerca vettoriale e a creare un indice sui dati vettoriali

• AlloyDB per PostgreSQL

Introduzione agli incorporamenti vettoriali in Cloud SQL per PostgreSQL

In questo codelab imparerai a utilizzare l'integrazione dell'AI di Cloud SQL in combinazione con la ricerca vettoriale e a creare un indice sui dati vettoriali

• Cloud SQL

Installazione e configurazione di Toolbox per le tue applicazioni di IA generativa e agenti su AlloyDB

In questo codelab, creerai e distribuirai una cassetta degli attrezzi per la tua applicazione di previsione dei prezzi che utilizza AlloyDB e le funzionalità di IA generativa utilizzando il servizio Gen AI Toolbox for Databases.

Crea un'app di consigli contestuali sulle posizioni yoga con Firestore, Ricerca vettoriale e Gemini 2.0.

In questo codelab, creerai un'app di ricerca di posizioni yoga contestuale basata sulle conoscenze, progettata per rispondere alle domande degli utenti sulle posizioni yoga in base alle loro domande. Consente inoltre di svolgere attività amministrative come la creazione e la modifica delle posizioni yoga.

Riconosci, identifica il linguaggio e traduci il testo con ML Kit e CameraX: Android

In questo codelab, creerai un'app per Android con ML Kit che utilizza il machine learning on-device per riconoscere, identificare la lingua e tradurre il testo da 59 lingue. Imparerai inoltre a integrare la libreria CameraX per svolgere queste attività da un feed della fotocamera in tempo reale.

• Android
• Firebase

Gemini in Java con Vertex AI e LangChain4j

In questo codelab, parlerai con i tuoi utenti, porrai domande sulla tua documentazione o amplierai un modello con chiamate di funzione, utilizzando l'IA generativa in Java, integrando il modello linguistico di grandi dimensioni (LLM) Gemini su Vertex AI e sfruttando il framework LangChain4j

Utilizzo dell'API Translation con Python

In questo tutorial imparerai a utilizzare l'API Translation con Python.

Creare un assistente Shopping intelligente con AlloyDB e Vertex AI Agent Builder - Parte 1

In questo codelab, creerai un'applicazione di chat basata sulle conoscenze progettata per rispondere alle domande dei clienti, guidare la scoperta dei prodotti e personalizzare i risultati di ricerca per un set di dati di e-commerce.

Accedere a Gemini Chat con l'SDK Python tramite l'endpoint Private Service Connect

Accedere a Gemini da una VM tramite SDK Python ed endpoint PSC

• Vertex AI

TensorFlow.js: utilizzare Firebase Hosting per eseguire il deployment e ospitare un modello di machine learning su larga scala

In questo codelab, imparerai a utilizzare l'infrastruttura Firebase per eseguire il deployment di un modello ML in modo che possa essere utilizzato e utilizzato sul tuo sito web utilizzando TensorFlow.js

• TensorFlow

Crea un'app di chat generativa con Vertex AI Conversation

In questo codelab, utilizzerai Vertex AI Conversation per creare, configurare ed eseguire il deployment di un agente Data Store e di un'app di chat per rispondere alle domande dei clienti sui prodotti del Google Store.

Funzione Cloud Functions per il riepilogo dei contenuti utilizzando l'API PaLM Vertex AI e Google Cloud Storage

Funzione Cloud Functions che dimostra come elaborare un file caricato in Google Cloud Storage ed eseguire un riepilogo utilizzando l'API Vertex AI PaLM sui contenuti.

Previsione della valutazione dei film con AutoML per Vertex AI

Creeremo un modello di previsione del punteggio dei film utilizzando Vertex AI AutoML, ne eseguiremo il deployment su un endpoint API e attiveremo l'API di previsione da Java Cloud Functions.

Previsione della valutazione dei film con BQML utilizzando SQL

Creeremo un modello di previsione del punteggio dei film utilizzando solo SQL con BigQuery ML

Esegui il deployment di una versione di base di "Google Traduttore" su Cloud Functions Python 3

In questo codelab, imparerai a utilizzare l'API Google Cloud Translation con Python e a eseguirla localmente o a eseguire il deployment su una piattaforma di computing serverless di Cloud (App Engine, Cloud Functions o Cloud Run).

Esegui il deployment di una versione di base di "Google Traduttore" app su Python 2 Cloud Run (Docker)

In questo codelab, imparerai a utilizzare l'API Google Cloud Translation con Python e a eseguirla localmente o a eseguire il deployment su una piattaforma di computing serverless di Cloud (App Engine, Cloud Functions o Cloud Run).

Esegui il deployment di una versione di base di "Google Traduttore" app su Python 3 Cloud Run (Docker)

In questo codelab, imparerai a utilizzare l'API Google Cloud Translation con Python e a eseguirla localmente o a eseguire il deployment su una piattaforma di computing serverless di Cloud (App Engine, Cloud Functions o Cloud Run).

Rileva oggetti nelle immagini per creare una ricerca visiva dei prodotti con ML Kit: Android

In questo codelab, creerai un'app per Android con ML Kit che utilizza il machine learning sul dispositivo per rilevare oggetti nelle immagini e consente agli utenti di eseguire una ricerca visiva dei prodotti.

• Android
• ML Kit

Utilizza Procurement Document AI per analizzare le fatture utilizzando AI Platform Notebooks

Imparerai a utilizzare Procurement DocAI per analizzare in modo intelligente una fattura.

PySpark for Natural Language Processing on Dataproc

Questo lab mostra come utilizzare Spark MLlib e spark-nlp per eseguire attività di machine learning e NLP su grandi quantità di dati.

Prototyping models in AI Platform Notebooks

In questo lab scoprirai come utilizzare AI Platform Notebooks per la prototipazione dei flussi di lavoro di machine learning. Tratteremo la creazione di un'istanza di blocchi note personalizzata, il monitoraggio del codice del blocco note in Git e il debug dei modelli con lo strumento What-If.

• TensorFlow

Esegui il deployment di una versione di base di "Google Traduttore" su Python 2 App Engine

In questo codelab, imparerai a utilizzare l'API Google Cloud Translation con Python e a eseguirla localmente o a eseguire il deployment su una piattaforma di computing serverless di Cloud (App Engine, Cloud Functions o Cloud Run).

Utilizzo dell'API Natural Language con Python

In questo tutorial imparerai a utilizzare l'API Natural Language con Python.

Analisi libreria: usa Gemini per creare applicazioni SQL con BigQuery e IA generativa

Utilizzeremo Gemini per creare suggerimenti di libri e analisi di riepilogo con BigQuery (IA generativa solo SQL).

Analisi libreria: usa Gemini per creare un'applicazione Cloud Run Java che porta i dati BigQuery sul web

Utilizzeremo Gemini per creare un'applicazione di riassunto degli scaffali che porta semplicemente i dati BigQuery sul web e ne viene eseguito il deployment in Cloud Run.

• Cloud Run

Creare un sistema di ricerca di qualità Google con Vertex AI

In questo codelab, creerai un motore di ricerca di qualità Google in grado di aiutarti a rispondere alle query dai tuoi documenti e file di testo utilizzando Vertex AI Search/Agent Builder.

• Vertex AI
• Google Cloud

Builder di librerie: usa Gemini per creare una funzione Cloud Functions Java per un'applicazione Gemini

Creeremo un'app per suggerimenti e riassunti di libri utilizzando l'AI generativa di Vertex AI (Gemini) in una funzione Cloud Functions come funzione remota da BigQuery.

Riconoscere testo e caratteristiche facciali con ML Kit: Android

In questo codelab, creerai un'app per Android con ML Kit che utilizza il machine learning sul dispositivo per riconoscere le caratteristiche del testo e del volto nelle immagini.

• Android
• ML Kit

Riconosci, identifica il linguaggio e traduci il testo con ML Kit e CameraX: Android

In questo codelab, creerai un'app per Android con ML Kit che utilizza il machine learning sul dispositivo per riconoscere, identificare le lingue e tradurre testi da 59 lingue. Imparerai inoltre a integrare la libreria di CameraX per svolgere queste attività dal feed videocamera in tempo reale.

• ML Kit
• Firebase
• Android

Aggiorna l'app per utilizzare un modello di machine learning per filtrare lo spam

Scopri come aggiornare un'app con un modello ML in grado di filtrare i commenti spam di base.

• TensorFlow
• Android

Creazione di un modello di ML finanziario con lo strumento What-If e Vertex AI

In questo lab imparerai ad addestrare un modello XGBoost su un set di dati finanziario, eseguirne il deployment su Vertex AI e analizzarlo con lo strumento What-if

• TensorFlow

Reti neurali convoluzionali, con Keras e TPU

In questo lab imparerai a combinare lo strato convoluzionale in un modello di rete neurale in grado di riconoscere i fiori. Questa volta, creerai il modello autonomamente da zero e utilizzerai la potenza della TPU per addestrarlo in pochi secondi e ripetere il design. Questo lab include le spiegazioni teoriche necessarie sulle reti neurali convoluzionali ed è un buon punto di partenza per gli sviluppatori che vogliono saperne di più sul deep learning.

• TensorFlow

Keras e convnet moderne, su TPU

In questo lab imparerai a creare, addestrare e ottimizzare le tue reti neurali convoluzionali da zero. Ora bastano pochi minuti per farlo grazie alla potenza delle TPU. Esplorerai inoltre diversi approcci, dal Transfer Learning molto semplice alle moderne architetture convoluzionali come Squeezenet. Questo lab include le spiegazioni teoriche necessarie sulle reti neurali ed è un buon punto di partenza per gli sviluppatori che vogliono imparare a conoscere il deep learning. Questo lab utilizza TensorFlow 2.

• TensorFlow

Pipeline di dati a velocità TPU: tf.data.Dataset e TFRecords

Le TPU sono molto veloci. Il flusso di dati di addestramento deve stare al passo con la velocità di addestramento. In questo lab imparerai come caricare i dati da GCS con l'API tf.data.Dataset per alimentare la tua TPU.

• TensorFlow

Il tuo primo modello Keras, con Transfer Learning

In questo lab imparerai a creare un classificatore Keras. Anziché cercare di trovare la combinazione perfetta di livelli di rete neurale per riconoscere i fiori, useremo prima una tecnica chiamata transfer learning per adattare un potente modello preaddestrato al nostro set di dati. Questo lab include le spiegazioni teoriche necessarie sulle reti neurali ed è un buon punto di partenza per gli sviluppatori che vogliono imparare a conoscere il deep learning.

Convnet moderne, Squeezenet, Xception, con Keras e TPU

In questo lab imparerai a conoscere la moderna architettura convoluzionale e utilizzerai le tue conoscenze per implementare una conversione semplice ma efficace chiamata "squeezenet". Questo lab include le spiegazioni teoriche necessarie sulle reti neurali convoluzionali ed è un buon punto di partenza per gli sviluppatori che vogliono saperne di più sul deep learning.

• TensorFlow

Creazione di un'applicazione di chat basata su LLM e RAG con database Cloud SQL e LangChain

In questo codelab imparerai a creare un database, eseguire il deployment del servizio di recupero GenAI Retrieval per i database e creare un'applicazione di chat di esempio utilizzando il servizio.

• Cloud SQL

TensorFlow, Keras e deep learning, senza un dottorato di ricerca

In questo codelab, insegnerai al computer a riconoscere le cifre scritte a mano con una precisione del 99%, in 100 righe di codice Python / Keras.

• TensorFlow

Utilizzo dell'API Video Intelligence con Python

In questo tutorial imparerai a utilizzare l'API Video Intelligence con Python.

Da blocco note a pipeline Kubeflow con HP Tuning: un percorso di data science

In questo codelab, imparerai a creare ed eseguire il deployment di pipeline di data science complesse con l'ottimizzazione degli iperparametri su Kubeflow Pipelines, senza utilizzare SDK o comandi dell'interfaccia a riga di comando.

Pipeline Kubeflow - Riassunto dei problemi di GitHub

In questo codelab, configurerai un'installazione di Cloud AI Platforms Pipeline (KFP in hosting) con GKE, creerai ed eseguirai flussi di lavoro ML utilizzando Kubeflow Pipelines e definirai ed eseguirai pipeline dall'interno di un blocco note AI Platform Notebook (Jupyter).

• TensorFlow

Da blocco note a pipeline Kubeflow con MiniKF e Kale

In questo codelab, imparerai a creare ed eseguire il deployment di pipeline di data science complesse con Kubeflow Pipelines, senza utilizzare SDK o comandi dell'interfaccia a riga di comando.

IA generativa per l'analisi dei video con Vertex AI

Scopri come analizzare le visualizzazioni degli influencer su YouTube su qualsiasi azienda o prodotto utilizzando le funzionalità di IA generativa di Google.

Gestione dei processori Document AI con Python

In questo tutorial imparerai a gestire i processori Document AI con Python.

Crea, addestra ed esegui il deployment di un modello XGBoost su Cloud AI Platform

In questo lab, analizzerai un flusso di lavoro ML completo su Google Cloud: importazione di dati da BigQuery, creazione di un modello XGBoost in un'istanza di Cloud AI Platform Notebooks e deployment del modello in AI Platform.

Analisi di un modello ML finanziario di cui è stato eseguito il deployment su Cloud AI Platform con lo strumento What-if

In questo lab imparerai ad addestrare un modello XGBoost su un set di dati finanziario, eseguirne il deployment su Cloud AI Platform e analizzarlo con lo strumento What-if

• TensorFlow

Creare un assistente per la ricerca di brevetti con AlloyDB e Vertex AI Agent Builder - Parte 2

In questo codelab, creerai un'applicazione di chat basata sulle conoscenze progettata per rispondere a domande relative alla ricerca di brevetti e fornire risultati contestualmente pertinenti fondati sul set di dati dei brevetti come fonte.

Visione artificiale semplificata: Vision AI su Spring Boot e Java

Creeremo un'applicazione di visione artificiale utilizzando Spring Boot e Java, consentendoti di sfruttare il potenziale del riconoscimento e dell'analisi delle immagini nei tuoi progetti.

• Cloud Run

IA generativa deterministica con le chiamate di funzione di Gemini in Java

Dimostra la funzionalità di chiamata di funzione di Gemini in un'applicazione Java richiamando il modello Gemini per orchestrare l'input per le chiamate di funzione, richiamare l'API, quindi elaborare la risposta in un'altra chiamata Gemini ed eseguirne il deployment su un endpoint REST.

Riconoscimento ottico dei caratteri (OCR) con Document AI (Python)

In questo codelab, eseguirai il riconoscimento ottico dei caratteri (OCR) dei documenti PDF utilizzando Document AI e Python. Scoprirai come effettuare richieste di elaborazione sia online (sincrono) che batch (asincrone).

Document AI Workbench - Estrattore di documenti personalizzato

In questo codelab imparerai a utilizzare Document AI Workbench per creare modelli completamente personalizzati utilizzando i tuoi dati di addestramento.

Document AI Workbench - Uptraining

In questo codelab, imparerai a utilizzare l'uptraining Document AI per migliorare la qualità del modello utilizzando i tuoi dati di addestramento.

Analisi di moduli con Document AI (Python)

In questo codelab imparerai a utilizzare l'analizzatore sintattico di moduli di Document AI per analizzare un modulo scritto a mano con Python. Utilizzeremo un semplice modulo di assunzione medica come esempio, ma questa procedura funzionerà con

Processori specializzati con Document AI (Python)

In questo codelab imparerai a utilizzare Procurement DocAI e Lending DocAI per classificare e analizzare documenti specializzati.

Document AI: human-in-the-loop

In questo codelab, imparerai a utilizzare human-in-the-loop di Document AI per completare attività di revisione da parte di persone fisiche con processori specializzati.

TensorFlow.js - Riconoscimento cifre delle cifre scritte a mano libera con le CNN

In questo codelab, addestrerai un modello a identificare le cifre scritte a mano. Nella terminologia del machine learning, si tratta di un'attività di classificazione, in quanto prevede una categoria per un determinato input.

• TensorFlow

Previsione di serie temporali con Vertex AI e BigQuery ML

In questo lab imparerai come risolvere i problemi delle serie temporali utilizzando Vertex AI, trattando blocchi note, addestramento, previsione e BigQuery ML.

• TensorFlow

TensorFlow.js - Previsioni da dati 2D

In questo codelab, addestrerai un modello per fare previsioni in base ai dati numerici. Data la "potenza dei cavalli" di un'auto, il modello cercherà di prevedere "Miglia per gallone" per quell'auto. Nella terminologia del machine learning, viene descritta come un'attività di regressione in quanto prevede un valore continuo.

• TensorFlow

Addestramento e ottimizzazione degli iperparametri di un modello PyTorch su Cloud AI Platform

In questo lab imparerai ad addestrare il tuo modello nel cloud con l'ottimizzazione degli iperparametri. Ti mostreremo come farlo con PyTorch, ma puoi farlo in qualsiasi framework tu voglia.

Using the Text-to-Speech API with Python

In questo tutorial imparerai a utilizzare l'API Text-to-Speech con Python.

Utilizzo dell'API Vision con Python

In questo tutorial imparerai a utilizzare l'API Vision con Python.

Approfondimenti generativi con BigQuery SQL e Vertex AI

Crea un'app di previsione e prescrizione per la valutazione del successo dei film con le query SQL di BigQuery e l'API Vertex AI PaLM.

LLM solo SQL con BigQuery ML utilizzando l'API Vertex AI PaLM

Riassunto del codice sorgente per i repository GitHub disponibile come set di dati pubblico BigQuery, utilizzando Vertex AI Large Language Model per la generazione di testo (text-bison) come funzione remota ospitata in BigQuery.

App di chat con l'API PaLM su Cloud Run

Sviluppa un'applicazione di chat utilizzando il framework Python Flask e il modello dell'API Vertex AI PaLM.

• Cloud Run

Addestra ed esegui il deployment di un modello di classificazione delle immagini on-device con AutoML Vision in ML Kit

In questo codelab, addestrerai un classificatore di immagini utilizzando AutoML Vision Edge in ML Kit ed lo eseguirai su un telefono Android o iOS utilizzando l'SDK ML Kit.

• ML Kit
• TensorFlow
• Android
• Firebase

Creare app per Google Chat con Gemini

In questo codelab, creerai app Google Chat con le funzionalità disponibili più recenti, tra cui i modelli di IA basati su Gemini di Vertex AI, Dialogflow CX, la home page dell'app, gli eventi di Google Chat e i widget accessori.

• Google Workspace

Funzione Cloud Functions che esegue il wrapping dei modelli Text Bison PaLM

Dimostra una funzione Cloud Functions scritta in Python che inizializza il modulo Vertex AI e quindi fornisce un endpoint per richiamare il modello PaLM Text Bison.

Crea un modello di classificazione del testo personalizzato e aggiorna le tue app con questo modello

In questo codelab, imparerai a migliorare il modello creato nel percorso Inizia a utilizzare la classificazione del testo per dispositivi mobili, in modo da avere un modello che funzioni con i tuoi dati. Scoprirai come aggiornare le tue app per Android e iOS con il nuovo modello

• Android
• TensorFlow

Crea un'app con stile di messaggistica base

In questo codelab imparerai a creare una semplice app di messaggistica con una casella di testo e un pulsante di invio.

• TensorFlow
• Android

App di riassunto di testi con Vertex AI e Svelte Kit

Crea un caso d'uso di riassunto del testo per consentire agli utenti di riassumere articoli, testo e altre forme di contenuti utilizzando Vertex AI di Google Cloud in un'app web Svelte Kit.

Creare un modello personalizzato per il classificatore di immagini

In questo codelab, addestrerai un modello ML per riconoscere fiori specifici.

• TensorFlow
• Android

TensorFlow.js: reimpostare un modello di rilevamento di commenti spam per gestire i casi limite

In questo codelab, imparerai come utilizzare Model Maker per reimpostare un modello di commenti spam per tenere conto dei casi limite che il modello preaddestrato non è riuscito a gestire e quindi eseguire nuovamente il deployment del nuovo modello nell'applicazione web.

• TensorFlow

Integra un modello personalizzato nella tua app

In questo codelab, imparerai a integrare un modello di classificazione delle immagini personalizzato in un'app per Android o iOS utilizzando i modelli personalizzati di ML Kit.

• Android
• TensorFlow

Creare un modello di machine learning basato sullo spam dei commenti

In questo codelab, scoprirai come viene creato un modello di machine learning in grado di filtrare lo spam da altri commenti.

• TensorFlow
• Android

Metodi di riassunto del testo con l'API Vertex AI PaLM

In questo tutorial imparerai a utilizzare i modelli generativi per riassumere le informazioni del testo utilizzando il metodo del stuffing

Crea una webcam smart in JavaScript con un modello di machine learning preaddestrato TensorFlow.js

In questo codelab, imparerai a caricare e utilizzare uno dei modelli preaddestrati TensorFlow.js (COCO-SSD) e a utilizzarlo per riconoscere oggetti comuni su cui è stato addestrato.

• TensorFlow

Utilizzo di Document AI Warehouse per importare, elaborare e cercare documenti

In questo codelab, utilizzerai Document AI Warehouse per importare, elaborare e cercare nel testo completo dei documenti.

Esegui il deployment di una versione di base di "Google Traduttore" App Express.js su App Engine, Cloud Functions e Cloud Run

In questo codelab, imparerai a utilizzare l'API Google Cloud Translation con Node.js e a eseguirlo localmente o a eseguire il deployment su una piattaforma di computing serverless Cloud (App Engine, Cloud Functions o Cloud Run).

Dai dati all'IA generativa con Spanner e l'API Vertex AI Imagen

Crea un'app generatore di posizioni per generare immagini basate su prompt di pose creati dall'utente con dati recuperati dal database Spanner utilizzando l'API server app.

Chat basata sull'IA generativa con utenti e documenti in Java con PaLM e LangChain4J

In questo codelab, parlerai con i tuoi utenti o porrai domande sulla tua documentazione, utilizzando l'IA generativa in Java, integrando il modello linguistico di grandi dimensioni PaLM e sfruttando il framework di orchestrazione LLM LangChain4J

Automatizza le attività di Google Workspace con l'API Gemini

Scopri come sfruttare la potenza dell'API Gemini per automatizzare le attività di Google Workspace ed esplorare ulteriori possibilità.

• Google Workspace

Come interagire con le API utilizzando la chiamata di funzione in Gemini

In questo codelab, utilizzerai le chiamate di funzione in Gemini per creare un'app in cui gli utenti possano chiedere informazioni sui tassi di cambio, recuperare i dati più recenti da un'API esterna e rispondere all'utente con la risposta.

Generazione di testi con l'IA generativa in Java con PaLM e LangChain4J

In questo codelab, inizierai a utilizzare l'IA generativa in Java, integrando il modello linguistico di grandi dimensioni (LLM) PaLM e sfruttando il framework di orchestrazione LLM LangChain4J

TensorFlow.js: conversione di un SavedModel Python in formato TensorFlow.js

In questo codelab, imparerai a convertire un modello ML Python esistente nel formato SavedModel nel formato TensorFlow.js in modo che possa essere eseguito in un browser web e a risolvere i problemi comuni che possono verificarsi nelle conversioni.

• TensorFlow

Addestramento di TensorFlow.js nel codelab Node.js

In questo codelab, imparerai a creare e addestrare un modello di stima del campo da baseball utilizzando TensorFlow.js in un server Node.js e fornire le metriche a un client.

• TensorFlow

Automazione dei comandi Slack

Codice sorgente per la creazione di un comando slash di Slack per il riepilogo del testo nell'applicazione Slack. L'applicazione Slack utilizza la funzione Cloud Functions per richiamare l'API PaLM per il riassunto del testo.

Riconosci i fiori con TensorFlow Lite su Android

In questo codelab prenderai un classificatore di immagini da eseguire su uno smartphone Android utilizzando TensorFlow Lite.

• Android
• TensorFlow

Ricerca di affinità con Spanner e Vertex AI

Crea un'applicazione di ricerca di somiglianze per suggerimenti di abbigliamento in base all'input dell'utente ed esegui una ricerca sui dati memorizzati in Spanner e indicizzati da Vector Search per rispondere con i vicini più prossimi.

Riconoscimento vocale basato sull'IA con TensorFlow Lite per microcontroller e SparkFun Edge

In questo codelab, imparerai a eseguire un modello di riconoscimento vocale utilizzando TensorFlow Lite per microcontroller su SparkFun Edge, una scheda di sviluppo alimentata a batteria contenente un microcontroller.

• TensorFlow

TensorFlow.js - Riconoscimento audio tramite Transfer Learning

In questo codelab, creerai una rete di riconoscimento audio di base in grado di riconoscere i tuoi suoni e utilizzarla per controllare un dispositivo di scorrimento nel browser. Utilizzerai TensorFlow.js, una libreria di machine learning potente e flessibile per JavaScript.

• TensorFlow

Riconoscere testo e caratteristiche facciali ML Kit: iOS

In questo codelab, creerai un'app per iOS con ML Kit che utilizza il machine learning sul dispositivo per riconoscere le caratteristiche del testo e del volto nelle immagini.

• ML Kit

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

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

• Firebase
• Firebase ML
• Android
• TensorFlow

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

• Firebase ML
• Firebase
• Google Analytics
• TensorFlow

“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，以针对每位用户量身定制应用并优化应用内购买

• Firebase
• Firebase ML
• Firebase Remote Config
• Firebase A/B Testing
• BigQuery
• Google Analytics
• TensorFlow
• 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
• Google Analytics
• TensorFlow
• Firebase

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。

• Firebase
• Firebase ML
• TensorFlow

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

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

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。

• Android
• TensorFlow

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

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。

• 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。

• 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

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。

• 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

• 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。

• 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。

• Android
• TensorFlow

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。

• TensorFlow
• Android

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).

• Vertex AI in 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.

• Gemini
• Flutter
• 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).

• Gemini
• Vertex AI in Firebase

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.

• Firebase
• Flutter

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