Machine Learning para aplicaciones móviles utilizando ML Kit de Google

Introducción

• ML Kit frente a TensorFlow y otros servicios de aprendizaje automático
• Descripción general de las características y componentes de ML Kit

Primeros pasos

• Configuración del SDK de ML Kit
• Exploración de APIs y aplicaciones de ejemplo

Implementación de APIs de visión de ML Kit

• Automatización de la introducción de datos (Reconocimiento de texto)
• Detección de rostros para selfies y retratos (Detección de rostros)
• Interpretación de posiciones del cuerpo (Detección de postura)
• Adición de efectos de fondo (Segmentación para selfies)
• Integración de escaneo de códigos de barras
• Identificación de objetos, lugares, especies, etc. (Etiquetado de imágenes)
• Localización de objetos destacados en una imagen (Detección y seguimiento de objetos)
• Reconocimiento de textos manuscritos (Reconocimiento de tinta digital)

Trabajo con APIs de lenguaje natural

• Identificación de idiomas
• Traducción de textos
• Generación de respuestas inteligentes
• Uso de extracción de entidades

Optimización de aplicaciones existentes con ML Kit

• Uso de modelos personalizados con ML Kit
• Migración de Firebase al nuevo SDK de ML Kit
• Migración de Mobile Vision al SDK de ML Kit
• Reducción del tamaño de la aplicación para el despliegue
• Refactorización de aplicaciones para usar módulos de características dinámicas

Consejos de solución de problemas

Resumen y próximos pasos