经过 900 多个小时的移动开发 (Android) 流学习后，Rizal 成功毕业。尽管 Android 开发知识对他来说是新鲜事，但这并不妨碍 Rizal 充分理解这些见解。当 Rizal 必须在校园里完成期末项目时，他对 Android 的了解对他很有帮助。
在完成最终项目时，黎刹与校园里的三位同事合作。他们开发了一种可以检测机织物图案的应用程序。该图案旨在用于 Rizal 团队开发的印度尼西亚机织物多样性目录。在这个团队中，Rizal 扮演 UI、 UX和前端开发人员的角色。
他在校园完成期末项目以及在 Bangkit 学习技术
的经验帮助他在 PT Dans Multi Pro 担任内部前端开发人员。在这家位于雅加达南部的 IT 咨询公司，Rizal 负责开发公司应用程序的代码和外观。
“我从 Bangkit 得到的对我的职业生涯 新加坡手机号码清单 非常有用的东西之一就是软技能培训。Bangkit 的专业沟通知识帮助我高效解决办公室问题。贵财富，我相信我可以处理办公室的临时问题。”
经过一年的实习生后，黎刹终于获得了成为全职员工的机会。这让他的家人感到自豪，他能够帮助他的母亲和哥哥养家糊口。
“当你面对困难时，请记住，你永远比你的问题更重要。继续奋斗，相信结果不会辜负你所付出的努力。，我们又回来了Android 上的机器学习系列。在上一篇文章中，我们讨论了在 Android 应用程序中实现机器学习/AI 的各种方法。在本博客中，我们将直接练习提到的框架之一，即 TensorFlow Lite (TFLite)。
张量流精简版徽标，机器学习框架
TensorFlow Lite 是 Tensorflow框架的轻量级高效版本，机器学习开发人员经常使用它来开发和部署模型。它的设计方式使我们能够在资源有限的设备上运行模型，例如移动电话和嵌入式系统。
使用 TensorFlow Lite 的一些应用程序示例包括 Gmail、Google Assistant、Google Nest 和 Shazam。当然，这些名字都很熟悉，对吧？
对于那些习惯了Android世界、不想错过AI技 FJ 列表 术炒作的人来说，你肯定不只是想成为一个用户，对吧？你当然想知道如何在Android上实现机器学习。
因此，在本教程中，我们将使用 TFLite 创建一个对象分类应用程序。有趣的是，您不需要深入了解机器学习就可以学习本教程。好奇的？来吧，看一下步骤并创建您的第一个 AI 应用程序！
项目准备
因此您可以专注于 TFLite 的实际实现，我们提供了一个入门项目，其中包含使用CameraX的基本相机功能，CameraX 是 Android Jetpack 的一个库，可以更轻松地直接在应用程序中显示相机。
