使用 Cloud 資料庫、無伺服器執行階段和開放原始碼整合功能的玩具店搜尋應用程式

在本程式碼研究室中，您將建構以 RAG 為基礎的向量搜尋應用程式，用於為客戶搜尋相符的玩具 (透過文字和圖片)、根據使用者要求建立自訂玩具，以及使用 AlloyDB、Gemini、Imagen、LangChain4j 和資料庫專用的 GenAI Toolbox 預測自訂玩具的價格。

使用 AlloyDB AI 和 LangChain 建構 LLM 和 RAG 型即時通訊應用程式

在本程式碼研究室中，您將瞭解如何建立 AlloyDB 叢集、為資料庫部署 GenAI 資料庫檢索服務，以及使用這項服務建立範例應用程式。

• AlloyDB for PostgreSQL

開始使用 AlloyDB AI 的向量嵌入

在本程式碼研究室中，您將瞭解如何結合使用 AlloyDB AI 和向量搜尋，並為向量資料建立索引

• AlloyDB for PostgreSQL

開始在 PostgreSQL 適用的 Cloud SQL 中使用向量嵌入

在本程式碼研究室中，您將瞭解如何使用 Cloud SQL AI 整合功能搭配向量搜尋，並在向量資料上建立索引

• Cloud SQL

在 AlloyDB 上為生成式 AI 和代理應用程式安裝及設定 Toolbox

在本程式碼研究室中，您將使用 Gen AI Toolbox for Databases 服務，為價格預測應用程式建構及部署工具箱，並使用 AlloyDB 和生成式 AI 功能。

使用 Firestore、Vector Search 和 Gemini 2.0 建構瑜珈姿勢推薦應用程式！

在本程式碼研究室中，您將建構知識導向的瑜珈姿勢搜尋應用程式，旨在回答使用者關於瑜珈姿勢的問題，並與使用者的問題相符。也能執行建立和編輯瑜珈姿勢等管理工作。

運用 ML Kit 和 CameraX 辨識、辨識語言及翻譯文字：Android

在本程式碼研究室中，您將使用 ML Kit 建構 Android 應用程式，該應用程式會使用裝置端機器學習功能，辨識語言並翻譯 59 種語言的文字。您也會瞭解如何整合 CameraX 程式庫，透過即時攝影機動態饋給完成這些工作。

• Firebase
• Android

Gemini 版 Java 搭配 Vertex AI 和 LangChain4j

在這個程式碼研究室中，您將與使用者對話、詢問說明文件相關問題，或透過函式呼叫來擴充模型、使用 Java 中的生成式 AI、在 Vertex AI 中整合 Gemini 大型語言模型，以及運用 LangChain4j 架構。

使用 Translation API 與 Python

本教學課程將說明如何使用 Python 搭配 Translation API。

使用 AlloyDB 和 Vertex AI Agent Builder 打造智慧購物助理 - 第 1 部分

在本程式碼研究室中，您將建構知識導向的聊天應用程式，用於回答客戶問題、引導產品探索過程，並為電子商務資料集量身打造搜尋結果

TensorFlow.js：使用 Firebase 託管，大規模部署及託管機器學習模型

在本程式碼研究室中，您將瞭解如何使用 Firebase 基礎架構部署機器學習模型，以便透過 TensorFlow.js 在網站上使用和使用模型

• TensorFlow

透過 Vertex AI Conversation 建構生成式即時通訊應用程式

在這個程式碼研究室中，您將使用 Vertex AI Conversation 建立、設定及部署 Data Store Agent 和即時通訊應用程式，回答客戶對 Google 商店中產品的問題。

透過 Private Service Connect 端點存取 Gemini 對話和 Python SDK

透過 Python SDK 和 PSC 端點，從 VM 存取 Gemini

• Vertex AI

Cloud 函式使用 PaLM Vertex AI API 和 Google Cloud Storage 提供內容摘要

Cloud 函式，示範如何處理上傳至 Google Cloud Storage 的檔案，以及如何使用 Vertex AI PaLM API 處理內容摘要。

使用 SQL 搭配 BQML 進行電影分級預測

我們只會使用 SQL 搭配 BigQuery ML 來建立電影分數預測模型

使用 Vertex AI AutoML 預測電影評分

我們會使用 Vertex AI AutoML 建立電影分數預測模型，然後部署至 API 端點，並透過 Java Cloud Functions 觸發預測 API。

部署基本 "；Google 翻譯"部署於 Python 3 Cloud Functions

在本程式碼研究室中，您將瞭解如何使用 Python 搭配 Google Cloud Translation API，並在本機執行或部署至 Cloud 無伺服器運算平台 (App Engine、Cloud Functions 或 Cloud Run)。

部署基本 "；Google 翻譯"Python 2 Cloud Run 上的應用程式 (Docker)

在本程式碼研究室中，您將瞭解如何使用 Python 搭配 Google Cloud Translation API，並在本機執行或部署至 Cloud 無伺服器運算平台 (App Engine、Cloud Functions 或 Cloud Run)。

部署基本 "；Google 翻譯"Python 3 Cloud Run 上的應用程式 (Docker)

在本程式碼研究室中，您將瞭解如何使用 Python 搭配 Google Cloud Translation API，並在本機執行或部署至 Cloud 無伺服器運算平台 (App Engine、Cloud Functions 或 Cloud Run)。

使用 ML Kit：Android 偵測圖片中的物件，以便建立視覺化產品搜尋服務

在本程式碼研究室中，您將使用 ML Kit 建構 Android 應用程式，這個應用程式會使用裝置端機器學習技術偵測圖片中的物件，然後讓使用者進行視覺化的產品搜尋。

• Android
• ML Kit

使用 Procurement Document AI，透過 AI 平台筆記本剖析月結單

您將瞭解如何使用 Procurement DocAI，以智慧方式剖析月結單。

在 AI 平台筆記本上的原型設計模型

在本研究室中，您將學習如何使用 AI 平台筆記本建立機器學習工作流程原型。我們將說明如何建立自訂筆記本執行個體、在 Git 中追蹤筆記本程式碼，以及使用 What-If Tool 對模型進行偵錯。

• TensorFlow

在 Dataproc 執行自然語言處理的 PySpark

本研究室說明如何使用 Spark MLlib 和 spark-nlp 對大量資料執行機器學習與自然語言處理。

部署基本 "；Google 翻譯"Python 2 App Engine 上的應用程式

在本程式碼研究室中，您將瞭解如何使用 Python 搭配 Google Cloud Translation API，並在本機執行或部署至 Cloud 無伺服器運算平台 (App Engine、Cloud Functions 或 Cloud Run)。

搭配 Python 使用 Natural Language API

本教學課程將說明如何搭配 Python 使用 Natural Language API。

Bookshelf 數據分析：透過 BigQuery 和生成式 AI 運用 Gemini 建構 SQL 應用程式

我們會使用 Gemini，透過 BigQuery (僅限 SQL 的生成式 AI) 提供書籍建議和摘要分析。

Bookshelf 數據分析：使用 Gemini 建構 Java Cloud Run 應用程式，將 BigQuery 資料傳送到網頁

我們會使用 Gemini 協助建構書架摘要應用程式，這個應用程式只需將 BigQuery 資料傳送到網路，並部署在 Cloud Run 上。

• Cloud Run

使用 Vertex AI 建構 Google 等級的搜尋系統

在本程式碼研究室中，您將使用 Vertex AI Search/Agent Builder 建構 Google 優質搜尋引擎，回答來自文件和文字檔案中的查詢。

• Google Cloud
• Vertex AI

Bookshelf 建構工具：使用 Gemini 建構 Gemini 應用程式的 Java Cloud 函式

我們會在 Cloud 函式中，使用 Vertex AI 生成式 AI (Gemini) 建立書籍推薦和摘要應用程式，做為 BigQuery 的遠端函式。

運用 ML Kit 辨識文字和臉部特徵：Android

在本程式碼研究室中，您將使用 ML Kit 建構 Android 應用程式，這個套件使用裝置端的機器學習技術來辨識圖片中的文字和臉部特徵。

• ML Kit
• Android

運用 ML Kit 和 CameraX 辨識、辨識語言及翻譯文字：Android

在本程式碼研究室中，您將使用 ML Kit 建構 Android 應用程式，這個應用程式會使用裝置端機器學習技術來辨識、辨識語言，並翻譯 59 種語言的文字。此外，您還會瞭解如何整合 CameraX 程式庫，以便透過即時相機畫面完成這些工作。

• ML Kit
• Firebase
• Android

更新應用程式，使用垃圾內容篩選機器學習模型

瞭解如何使用支援基本留言垃圾內容篩選功能的機器學習模型更新應用程式。

• Android
• TensorFlow

使用 What-If Tool 和 Vertex AI 建構金融機器學習模型

在這個研究室中，您將瞭解如何在金融資料集中訓練 XGBoost 模型、將模型部署至 Vertex AI，並使用 What-if Tool 加以分析。

• TensorFlow

採用 Keras 和 TPU 的捲積類神經網路

在本研究室中，您將瞭解如何將卷積層組合成可辨識花的類神經網路模型。此時，您將自行從頭開始建構模型，並運用 TPU 的強大功能在幾秒內訓練模型，並根據模型設計反覆調整。本研究室包含有關卷積類神經網路的必要理論說明，也是開發人員學習深度學習的好起點。

• TensorFlow

在 TPU 上使用 Keras 和新型收斂公司

在本研究室中，您將瞭解如何從頭開始建構、訓練及調整捲積類神經網路。現在只要使用 TPU 的強大功能，就能在幾分鐘內完成這項作業。您也將探索多種做法，包括非常簡單的遷移學習，以及 Squeezenet 等現代卷積架構。本研究室包含有關類神經網路的必要理論解釋，也是開發人員學習深度學習的好起點。本研究室使用 Tensorflow 2。

• TensorFlow

TPU 速度資料管道：tf.data.Dataset 和 TFRecords

TPU 速度飛快，訓練資料的串流必須跟上訓練速度。在本研究室中，您將瞭解如何使用 tf.data.Dataset API 從 GCS 載入資料來提供 TPU。

• TensorFlow

您的第一個 Keras 模型，支援遷移學習

在本研究室中，您將瞭解如何建構 Keras 分類器。我們不會嘗試找出最佳的類神經網路層組合來識別花朵，而是先使用稱為遷移學習的技術，將強大的預先訓練模型調整至我們的資料集。本研究室包含有關類神經網路的必要理論解釋，也是開發人員學習深度學習的好起點。

搭配使用 Keras 和 TPU，翻新 convnets、squeezenet 和 Xception 模型

在本研究室中，您將瞭解現代卷積架構，並運用自身的知識來實作簡單但有效的對話式「squeezenet」這種說法。本研究室包含有關卷積類神經網路的必要理論說明，也是開發人員學習深度學習的好起點。

• TensorFlow

使用 Cloud SQL 資料庫和 LangChain 建構 LLM 和 RAG 即時通訊應用程式

在本程式碼研究室中，您將瞭解如何建立資料庫、部署資料庫的生成式 AI 擷取服務，以及使用這項服務建立範例即時通訊應用程式。

• Cloud SQL

TensorFlow、Keras 和深度學習，不需要博士

在本程式碼研究室中，您將訓練電腦辨識 190 行 Python / Keras 程式碼，其中 99% 的準確率數字。

• TensorFlow

搭配 Python 使用 Video Intelligence API

本教學課程將說明如何搭配 Python 使用 Video Intelligence API。

《從 Notebooks to Kubeflow Pipelines with HP Tuning》(透過 HP 調整將筆記本遷移至 Kubeflow 管道：數據資料學旅程)

在這個程式碼研究室中，您將瞭解如何在不使用任何 CLI 指令或 SDK 的情況下，在 Kubeflow 管道上透過超參數調整建構及部署複雜的數據資料學管道。

Kubeflow 管道 - GitHub 問題摘要

在本程式碼研究室中，您將使用 GKE 設定 Cloud AI 平台管道安裝作業 (託管 KFP)、使用 Kubeflow Pipelines 建構及執行機器學習工作流程，以及在 AI 平台筆記本 (Jupyter) 中定義及執行管道。

• TensorFlow

使用 MiniKF 和 Kale 從筆記本到 Kubeflow 管道

在本程式碼研究室中，您將學習如何在不使用任何 CLI 指令或 SDK 的情況下，運用 Kubeflow Pipelines 建構及部署複雜的數據資料學管道。

搭配 Vertex AI 使用生成式 AI 進行影片分析

瞭解如何使用 Google 的生成式 AI 功能，分析 YouTube 對任何公司或產品的影響者觀點。

確定性生成式 AI，搭配 Java 專用 Gemini 函式呼叫

示範 Java 應用程式中的 Gemini 函式呼叫功能，方法包括透過叫用 Gemini 模型來自動化調度管理函式呼叫的輸入內容、叫用 API，然後在其他 Gemini 呼叫中處理回應，並部署至 REST 端點。

使用 Python 管理 Document AI 處理器

在這個教學課程中，您會瞭解如何使用 Python 管理 Document AI 處理器。

在 Cloud AI 平台上建構、訓練及部署 XGBoost 模型

在這個研究室中，您將逐步瞭解 GCP 上完整的機器學習工作流程：從 BigQuery 擷取資料、在 Cloud AI 平台 Notebooks 執行個體中建構 XGBoost 模型，然後將模型部署至 AI 平台。

使用 What-if 工具分析部署在 Cloud AI 平台上的金融機器學習模型

在這個研究室中，您將瞭解如何在金融資料集中訓練 XGBoost 模型、將模型部署至 Cloud AI 平台，並使用 What-if Tool 加以分析。

• TensorFlow

即時裝置端應用程式內購最佳化程式碼研究室

在本程式碼研究室中，您將瞭解如何部署 TFLite 模型，為每位使用者提供個人化應用程式，並最佳化應用程式內購

• Google Analytics
• Android
• Firebase A/B 測試
• BigQuery
• Firebase
• Firebase ML
• Firebase 遠端設定
• TensorFlow

使用 TensorFlow Lite 和 Firebase，將裝置端文字分類功能新增至應用程式 - iOS 程式碼研究室

在這個程式碼研究室中，您將瞭解如何使用 Firebase 和 TensorFlow Lite 實作文字分類，

• TensorFlow
• Firebase ML
• Firebase

透過 TensorFlow Lite 和 Firebase 將建議新增至應用程式 - iOS 程式碼研究室

在本程式碼研究室中，您將瞭解如何使用 Tensorflow 和 Firebase 為應用程式建立內容推薦引擎

• Google Analytics
• Firebase
• TensorFlow
• Firebase ML

透過 TensorFlow Lite 和 Firebase 將建議新增至應用程式 - Android 程式碼研究室

在本程式碼研究室中，您將瞭解如何使用 Tensorflow 和 Firebase 為應用程式建立內容推薦引擎。

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

透過 TensorFlow Lite 和 Firebase，將裝置端文字分類功能新增至應用程式 - Android 程式碼研究室

在這個程式碼研究室中，您將瞭解如何使用 Firebase 和 TensorFlow Lite 實作文字分類，

• TensorFlow
• Firebase ML
• Firebase
• Android

使用 AlloyDB 和 Vertex AI Agent Builder 建構 Patent Search Assistant - 第 2 部分

在本程式碼研究室中，您將建構一個知識導向的聊天應用程式，用來回答與專利搜尋相關的問題，並以專利資料集真值為基礎，提供符合情境的相關結果。

輕鬆運用電腦視覺：Spring Boot 和 Java 的 Vision AI

我們會使用 Spring Boot 和 Java 建立電腦視覺應用程式，讓您在專案中充分發揮圖片辨識與分析的潛能。

• Cloud Run

搭配 Python 使用 Speech-to-Text API

在這個教學課程中，您會瞭解如何搭配 Python 使用 Speech-to-Text API。

使用 Document AI 剖析表單 (Python)

在本程式碼研究室中，您將瞭解如何使用 Document AI 表單剖析器，以 Python 剖析手寫表單。 我們將以簡單的醫療登記表單為例，但此程序將適用於 DocAI 支援的任何一般形式。 本程式碼研究室是以其他 Document AI 程式碼研究室呈現的內容為基礎。 建議您先完成下列程式碼研究室，再繼續操作。 本程式碼研究室假設您已完成 Document AI OCR 程式碼研究室 中列出的 Document AI 設定步驟。 請先完成下列步驟再繼續： 您還需要安裝 Pandas ，這是

Document AI Workbench - 自訂文件擷取器

在本程式碼研究室中，您將瞭解如何透過 Document AI Workbench 使用自己的訓練資料建立完全自訂的模型。

Document AI Workbench - 進階訓練

在本程式碼研究室中，您將學習如何使用 Document AI Uptraining 功能，以自己的訓練資料提升模型品質。

具備 Document AI 的專業處理器 (Python)

在本程式碼研究室中，您將瞭解如何使用 Procurement DocAI 和 Lending DocAI 來分類和剖析專門文件。

具備 Document AI 的光學字元辨識 (OCR) 功能 (Python)

在本程式碼研究室中，您將使用 Document AI 和 Python 對 PDF 文件執行光學字元辨識 (OCR)。您將瞭解如何提出「線上 (同步)」和「批次」(非同步) 處理要求。

Document AI：人機迴圈

在本程式碼研究室中，您將瞭解如何使用 Document AI Human in the Loop 完成專人審查工作，並由專門處理器進行人工審查。

TensorFlow.js - 透過 CNN 使用手寫數字辨識功能

在本程式碼研究室中，您將訓練模型辨識手寫數字。在機器學習術語中，這稱為分類工作，因為模型能預測指定輸入內容的類別。

• TensorFlow

TensorFlow.js - 從 2D 資料進行預測

在本程式碼研究室中，您將訓練模型，根據數值資料進行預測。有鑑於車輛的「馬力」，模型會嘗試預測該車的「每加侖英里數」。在機器學習術語中，這指的是預測為連續值時的迴歸工作。

• TensorFlow

在 Cloud AI 平台上訓練和超參數調整 PyTorch 模型

本研究室將說明如何使用超參數調整功能在 Cloud 中訓練模型。我們將說明如何使用 PyTorch 執行這項作業，但您可以自行選擇任何架構中的做法。

使用 Vertex AI 和 BigQuery ML 進行時間序列預測

在本研究室中，您將瞭解如何使用 Vertex AI 解決時間序列問題，內容涵蓋筆記本、訓練、預測和 BigQuery ML。

• TensorFlow

將 Text-to-Speech API 與 Python 搭配使用

本教學課程將說明如何搭配 Python 使用 Text-to-Speech API。

搭配 Python 使用 Vision API

本教學課程將說明如何搭配 Python 使用 Vision API。

使用 BigQuery SQL 和 Vertex AI 執行生成式深入分析資訊

使用 BigQuery SQL 查詢和 Vertex AI PaLM API，建構電影成功評分預測和處方藥應用程式。

使用 Vertex AI PaLM API 搭配 BigQuery ML 的僅限 SQL 大型語言模型

以 BigQuery 公開資料集的形式提供的 GitHub 存放區原始碼摘要，使用 Vertex AI 大型語言模型 (text-bison) 做為 BigQuery 中的託管遠端函式。

在 Cloud Run 中使用 PaLM API 進行即時通訊

使用 Python Flask 架構和 Vertex AI PaLM API 模型開發聊天應用程式。

• Cloud Run

使用 ML Kit 中的 AutoML Vision 訓練及部署裝置端圖片分類模型

在本程式碼研究室中，您將使用 ML Kit 中的 AutoML Vision Edge 訓練圖片分類器，然後在 Android 或 iOS 手機上使用 ML Kit SDK 執行。

• Android
• Firebase
• ML Kit
• TensorFlow

使用 Gemini 建構適用於 Google Chat 的應用程式

在本程式碼研究室中，您將使用最新的可用功能建構 Google Chat 應用程式，包括採用 Vertex AI Gemini 技術的 AI 模型、Dialogflow CX、應用程式首頁、Google Chat 事件和配件小工具。

• Google Workspace

納入 PaLM Text Bison 模型的 Cloud 函式

示範以 Python 編寫的 Cloud 函式，用於初始化 Vertex AI 模組，然後提供端點以叫用 PaLM Text Bison 模型。

建立自訂文字分類模型，並透過該模型更新應用程式

在本程式碼研究室中，您將瞭解如何強化根據「開始使用行動裝置文字分類」課程中建立的模型，建立能使用自己的資料的模型。即可瞭解如何以這個新模型更新 Android 和 iOS 應用程式

• Android
• TensorFlow

建構基本的訊息樣式應用程式

在本程式碼研究室中，您將學習如何建構內含文字方塊和傳送按鈕的簡易訊息應用程式。

• TensorFlow
• Android

採用 Vertex AI 和 Svelte Kit 的文字 Summarizer 應用程式

建立文字摘要用途，讓使用者在 Svelte Kit 網頁應用程式中使用 Google Cloud Vertex AI，為文章、文字和其他形式的內容產生摘要。

為圖片分類器建立自訂模型

在本程式碼研究室中，您將訓練機器學習模型，以辨識特定花朵。

• TensorFlow
• Android

TensorFlow.js：重新訓練垃圾留言偵測模型來處理極端情況

在這個程式碼研究室中，您將瞭解如何使用模型製作工具重新訓練垃圾留言模型，以處理預先訓練模型無法處理的邊緣情況，然後將新的模型重新部署到網頁應用程式。

• TensorFlow

將自訂模型整合至應用程式

在這個程式碼研究室中，您將瞭解如何使用 ML Kit 自訂模型，將自訂圖片分類模型整合至 Android 或 iOS 應用程式。

• TensorFlow
• Android

建立垃圾留言機器學習模型

在本程式碼研究室中，您將瞭解我們如何建立可過濾其他留言中垃圾內容的機器學習模型。

• TensorFlow
• Android

使用 Vertex AI PaLM API 產生文字摘要方法

在這個教學課程中，您將瞭解如何使用生成式模型，透過填充方法從文字中統整文字資訊

使用 TensorFlow.js 預先訓練的機器學習模型，以 JavaScript 建立智慧型網路攝影機

在本程式碼研究室中，您將瞭解如何載入及使用其中一種 TensorFlow.js 預先訓練模型 (COCO-SSD)，並使用該模型來辨識訓練過的常見物件。

• TensorFlow

使用 Document AI 倉儲來擷取、處理及搜尋文件

在本程式碼研究室中，您將使用 Document AI Warehouse 擷取、處理及搜尋文件的全文。

部署基本 "；Google 翻譯"App Engine、Cloud Functions 和 Cloud Run 上的 Express.js 應用程式

在本程式碼研究室中，您將瞭解如何將 Google Cloud Translation API 與 Node.js 搭配使用，並在本機執行或部署至 Cloud 無伺服器運算平台 (App Engine、Cloud Functions 或 Cloud Run)。

使用 TensorFlow 企業版和 BigQuery 在 Cloud AI 平台上建立詐欺偵測模型

在本研究室中，您將直接擷取 BigQuery 資料集，並在 Google Cloud AI 平台中使用 TensorFlow Enterprise 訓練詐欺偵測模型。

• TensorFlow

運用 Cloud AI 平台說明詐欺偵測模型

在這個研究室中，您將建立 tf.keras，運用 TensorFlow 識別詐欺交易，接著使用 Cloud 的 Explainable AI SDK 解讀模型結果。

• TensorFlow

透過 Spanner 和 Vertex AI Imagen API 將資料轉移至生成式 AI

建構姿勢產生器應用程式，透過使用伺服器應用程式 API 從 Spanner 資料庫擷取的資料，根據使用者建立的姿勢產生圖片。

透過 PaLM 和 LangChain4J，以 Java 編寫使用者與文件的生成式 AI 功能

在本程式碼研究室中，您將與使用者對話或提出說明文件相關問題，包括使用 Java 的生成式 AI、整合 PaLM 大型語言模型，以及運用 LangChain4J LLM 自動化調度管理架構

使用 Gemini API 自動執行 Google Workspace 工作

瞭解如何運用 Gemini API 的強大功能自動處理 Google Workspace 工作，並發掘更多可能。

• Google Workspace

如何在 Gemini 中使用函式呼叫與 API 互動

在這個程式碼研究室中，您將使用 Gemini 函式呼叫建構應用程式，讓使用者詢問匯率、從外部 API 擷取最新資料，然後找出答案來回覆使用者。

使用 PaLM 和 LangChain4J 產生 Java 的生成式 AI 文字

在這個程式碼研究室中，您將開始在 Java 中使用生成式 AI、整合 PaLM 大型語言模型，並運用 LangChain4J LLM 自動化調度管理架構

Node.js 程式碼研究室中的 TensorFlow.js 訓練

在這個程式碼研究室中，您將瞭解如何在 Node.js 伺服器上使用 TensorFlow.js 建構及訓練棒球提案估算模型，並為用戶端提供指標。

• TensorFlow

TensorFlow.js：將 Python Dialogflow 轉換為 TensorFlow.js 格式

在本程式碼研究室中，您將學習如何使用 mod 格式的現有 Python 機器學習模型並將其轉換為 TensorFlow.js 格式，以便在網路瀏覽器中執行，同時瞭解如何解決轉換期間的常見問題。

• TensorFlow

Slack 指令自動化

這個原始碼用於在 Slack 應用程式中建立 Slack Slash Command，用於產生文字摘要。Slack 應用程式使用 Cloud 函式叫用 PaLM API 來提供文字摘要。

在 Android 上使用 TensorFlow Lite 辨識 Flowers

在本程式碼研究室中，您將擷取圖片分類器，並透過 TensorFlow Lite 在 Android 手機上執行。

• TensorFlow
• Android

搭配 Spanner 和 Vertex AI 進行相似搜尋

依據使用者輸入內容推薦服飾的相似度搜尋應用程式，並針對儲存在 Spanner 中的資料執行搜尋，並由 Vector Search 建立索引，以最鄰近的項目回應。

使用 TensorFlow Lite for Microcontrollers 和 SparkFun Edge 的 AI 語音辨識功能

在本程式碼研究室中，您將學習如何在 SparkFun Edge 這個以電池供電的開發板上，使用 TensorFlow Lite for Microcontrollers 執行語音辨識模型。SparkFun Edge 是一個以電池供電的開發板，內含微控制器。

• TensorFlow

TensorFlow.js - 使用遷移學習進行音訊辨識

在本程式碼研究室中，您將建構可辨識您聲音的基本音訊辨識網路，並用來控制瀏覽器的滑桿。您將使用 TensorFlow.js，這個強大且彈性的 JavaScript 機器學習程式庫。

• TensorFlow

辨識文字和臉部特徵的 ML Kit：iOS

在本程式碼研究室中，您將使用 ML Kit 建構 iOS 應用程式，這個套件使用裝置端機器學習技術來辨識圖片中的文字和臉部特徵。

• 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。

• 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

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