【オンライン開催】GDG Tokyo New Year LT大会 2021 https://gdg-tokyo.connpass.com/event/201523/ 登壇資料

1. Introduction to Firebase
Machine Learning
2021/02/04
GDG Tokyo New Year LT大会 2021
Kenichi Tatsuhama (GDG Shikoku)

3. GDG Shikoku
● Google のテクノロジーの勉強会を開
催
● Go / Firebase / Android / GCP …
● 月1ぐらいのペースで、高松・徳島・松
山などで開催
● 最近はオンラインで開催
● URL
○ https://gdgshikoku.connpass.co
m/
○ https://twitter.com/GDGShikoku

4. Grow and engage users
Analytics
Predictions
Cloud
Messaging
Remote
Config
A/B Testing
Dynamic
Links
In-app
Messaging
Improve app quality
Crashlytics
Performance
Monitoring
Test Lab
App Distribution BETA
Build better apps
Auth
Cloud
Functions
Cloud
Firestore
Hosting
ML Kit
Realtime
Database
Cloud
Storage
Extensions

5. ● 一般的なユースケースが用意さ
れている
● デバイス / クラウドの両方に対
応
● カスタムモデルをデプロイ
https://youtu.be/ejrn_JHksws?list=PLl-K7zZEsYLmOF_
07IayrTntevxtbUxDL

6. ● 一般的なユースケースが用意さ
れている
● デバイス / クラウドの両方に対
応
● カスタムモデルをデプロイ
https://youtu.be/ejrn_JHksws?list=PLl-K7zZEsYLmOF_
07IayrTntevxtbUxDL

7. 一般的なユースケース
● テキスト認識や翻訳などが用意さ
れている
● 簡単に使い始めることができる

8. どのぐらい簡単に使えるのかの例
例）Android のオンデバイス翻訳
● 0. build.gradle に依存関係を追加
● 1. 翻訳元言語、翻訳先言語を設定
● 2. 必要に応じて言語モデルをダウンロード
● 3. 翻訳実行

9. どのぐらい簡単に使えるのかの例
例）Android のオンデバイス翻訳
● 0. build.gradle に依存関係を追加
● 1. 翻訳元言語、翻訳先言語を設定
● 2. 必要に応じて言語モデルをダウンロード
● 3. 翻訳実行

10. どのぐらい簡単に使えるのかの例
例）Android のオンデバイス翻訳
● 0. build.gradle に依存関係を追加
● 1. 翻訳元言語、翻訳先言語を設定
● 2. 必要に応じて言語モデルをダウンロード
● 3. 翻訳実行

11. どのぐらい簡単に使えるのかの例
例）Android のオンデバイス翻訳
● 0. build.gradle に依存関係を追加
● 1. 翻訳元言語、翻訳先言語を設定
● 2. 必要に応じて言語モデルをダウンロード
● 3. 翻訳実行

12. ● 一般的なユースケースが用意さ
れている
● デバイス / クラウドの両方に対
応
● カスタムモデルをデプロイ
https://youtu.be/ejrn_JHksws?list=PLl-K7zZEsYLmOF_
07IayrTntevxtbUxDL

13. デバイス / クラウドの両方に対応
● それぞれの機能が、オンデバイス
or クラウドで実行するのかは要確
認
● 両方で実行できる機能も、費用や性
能が異なる
● ※オンデバイスの場合でも、モデル
をダウンロードしておく必要はある
（ダウンロード後はオフラインで利用
可能）
（翻訳機能）

14. ● 一般的なユースケースが用意さ
れている
● デバイス / クラウドの両方に対
応
● カスタムモデルをデプロイ
https://youtu.be/ejrn_JHksws?list=PLl-K7zZEsYLmOF_
07IayrTntevxtbUxDL

15. カスタムモデルをデプロイ
● 独自の TensorFlow Lite モデルを利用可
能
● モデルを Firebase にデプロイ
● 実行も使い方も簡単。
● ※とはいえ、一定の ML の知識が必要
ラーメン
ラーメン二郎
○○店
カスタムモデルを利用
Firebase が提供する
モデルを利用

16. 作成したモデルについて
メリット デメリット
アプリにバンドルして配布 ● アプリの利用開始直後に使用
できる
● アプリのバイナリサイズが大きくな
る
Firebase にホスト ● モデルの更新にアプリのアッ
プデートが不要
● RemoteConfig を使うと、ユー
ザによって使うモデルを切り替
えることができる
● モデルのダウンロードが完了する
まで ML を使った機能が実行でき
ない
● バンドルとホストの併用は可能
● アプリのダウンロードサイズが大きいと、インストール成功率が下がるという結果もある
● プロダクトや機能の特性に応じて、使い分けが必要

17. AutoML Vision でモデルを作成する手順
● 画像を集める
● ラベリングする
● 学習させる
● モデルの評価
● デプロイ

18. AutoML でモデルを作ってみた（ネタ）
「すだち」と「かぼす」の判定
● すだち…徳島県の名産
● かぼす…大分県の名産
結果はさんざん
（学習方法が雑だった）
● 「Firebase でモデルが簡単に作れ
る・使える」と「モデルの精度」は全く
別もの。
● ドキュメントには 100 枚程度でも…
との記述があるが、区別したいモノ・
学習画像による
● より精度を求めるなら、 AutoML で
はなく独自で学習させるのも手

19. Firebase ML
是非お試し下さい！

20. ⚠ 注意事項 ⚠
● Firebase ML は ベータ版リリースです。
● これらの API は、下位互換性のない方法で変更される可能性があり、SLA または
非推奨ポリシーの対象ではありません。
● 独自のモデルを作成する際は「インクルーシブ ML ガイド - AutoML」を一読下さい
○ https://cloud.google.com/inclusive-ml?hl=ja

21. Thank you!