حزمة تعلُّم الآلة لمنصة Firebase
يمكنك استخدام تكنولوجيا تعلُّم الآلة في تطبيقاتك لحلّ مشاكل العالم الحقيقي.
ML Kit هي حزمة SDK للأجهزة الجوّالة توفِّر خبرة تكنولوجيا تعلُّم الآلة من Google لت��بيقات Android وiOS في حزمة قوية وسهلة الاستخدام. سواء كنت مبتدئًا أو متمرّسًا في مجال تعلُّم الآلة، يمكنك تنفيذ الوظائف التي تحتاجها في بضعة أسطر من الرموز البرمجية. ليست هناك حاجة إلى معرفة عميقة بالشبكات العصبونية أو تحسين النماذج للبدء. من ناحية أخرى، إذا كنت مطوّرًا متمرّسًا لتعلُّم الآلة، توفّر لك ML Kit واجهات برمجة تطبيقات ملائمة تساعدك على استخدام نماذج TensorFlow Lite المخصّصة في تطبيقاتك المتوافقة مع الأجهزة الجوّالة.
الإمكانات الرئيسية
| الإصدار العلني مجهّز لحالات الاستخدام الشائعة |
تتضمّن حزمة تعلّم الآلة مجموعة من واجهات برمجة التطبيقات الجاهزة للاستخدام لحالات الاستخدام الشائعة على الأجهزة الجوّالة، مثل التعرّف على النص والتعرّف على الوجوه وتحديد المعالم وفحص الرموز الشريطية وتصنيف الصور وتحديد لغة النص. ما عليك سوى تمرير البيانات إلى مكتبة تعلّم الآلة وستحصل على المعلومات التي تحتاج إليها. |
| على الجهاز أو في السحابة الإلكترونية |
يتم تشغيل مجموعة واجهات برمجة التطبيقات في ML Kit على الجهاز أو في السحابة الإلكترونية. يمكن لواجهات برمجة التطبيقات على الجهاز فقط معالجة بياناتك بسرعة وستعمل حتى في حال عدم توفّر اتصال بالشبكة. من ناحية أخرى، تستفيد واجهات برمجة التطبيقات المستندة إلى السحابة الإلكترونية من فعالية تكنولوجيا تعلُّم الآلة من Google Cloud لمنحك مستوى أعلى من الدقة. |
| نشر نماذج مخصّصة |
إذا لم تتمكّن واجهات برمجة التطبيقات في ML Kit من تغطية حالات استخدامك، يمكنك في أي وقت جلب نماذج TensorFlow Lite الحالية. ما عليك سوى تحميل نموذجك إلى Firebase، وسنتولى هو استضافته وعرضه على تطبيقك. تعمل حزمة "تعلُّم الآلة" كطبقة واجهة برمجة تطبيقات لنموذجك المخصّص، ما يسهِّل تشغيله والاستخدام. |
ما هي آلية العمل؟
تُسهّل مجموعة أدوات تعلُّم الآلة تطبيق تقنيات تعلُّم الآلة في تطبيقاتك من خلال دمج تكنولوجيات تعلُّم الآلة من Google، مثل Google Cloud Vision API وTensorFlow Lite وAndroid Neral Networks API معًا في حزمة تطوير برامج (SDK) واحدة. سواءً كنت بحاجة إلى فعالية المعالجة المستنِدة إلى السحابة الإلكترونية، أو إمكانات الوقت الفعلي للطُرز المحسّنة على الأجهزة الجوّالة، أو مرونة نماذج TensorFlow Lite المخصّصة، تتيح لك حزمة ML Kit تنفيذ ذلك باستخدام بضعة أسطر من الرموز فقط.
ما هي الميزات المتاحة على الجهاز أو في السحابة الإلكترونية؟
| الميزة | على الجهاز فقط | السحابة الإلكترونية |
|---|---|---|
| التعرّف على النص | ||
| التعرّف على الوجه | ||
| مسح الرموز الشريطية ضوئيًا | ||
| تصنيف الصور | ||
| رصد العناصر وتتبُّعها | ||
| التعرُّف على المعالم | ||
| تحديد اللغة | ||
| الترجمة | ||
| الرد السريع | ||
| استنتاج نموذج تعلُّم الآلة | ||
| استنتاج النموذج المخصّص |
مسار التنفيذ
| دمج حزمة تطوير البرامج (SDK) | يجب إدراج حزمة تطوير البرامج (SDK) بسرعة باستخدام Gradle أو CocoaPods. | |
| إعداد بيانات الإدخال | على سبيل المثال، إذا كنت تستخدم ميزة بصرية، التقِط صورة من الكاميرا وأنشِئ البيانات الوصفية الضرورية، مثل تدوير الصور، أو اطلب من المستخدم اختيار صورة من معرض الصور. | |
| تطبيق نموذج تعلُّم الآلة على بياناتك | من خلال تطبيق نموذج تعلُّم الآلة على بياناتك، يمكنك إنشاء إحصاءات مثل الحالة العاطفية للوجوه التي تم رصدها أو العناصر والمفاهيم التي تم التعرّف عليها في الصورة، استنادًا إلى الميزة التي استخدمتها. ويم��نك الاستفادة من هذه الإحصاءات لتحسين الميزات في تطبيقك، مثل تحسين الصور أو الإنشاء ��لتلقائي للبيانات الوصفية أو أي شيء آخر يمكنك تخيله. |
الخطوات اللاحقة
- يمكنك استكشاف واجهات برمجة التطبيقات الجاهزة للاستخدام: التعرُّف على النص، والتعرّف على الوجه، وفحص الرموز الشريطية، وتصنيف الصور، ورصد العناصر وتتبُّعها، والتعرُّف على العلامات التاريخية، والرد السريع، والترجمة، وتحديد اللغة.
- يمكنك تدريب نموذج تصنيف الصور الخاص بك باستخدام AutoML Vision Edge.
- تعرَّف على مزيد من المعلومات عن استخدام نماذج مخصّصة محسّنة للأجهزة الجوّالة في تطبيقك.