Google Developers Italia
Notizie per gli sviluppatori italiani sul mondo Google
Il Programma Google Brain Residency: un anno dopo
21 agosto 2017
Pubblicato da Luke Metz, Research Associate e Yun Liu, Software Engineer, Studente del 2016 Google Brain Residency
“Nonostante la mia formazione statistica, fisica e chimica, mi sono avvicinata per la prima volta al Deep Learning e alla programmazione vera e propria grazie al Programma Google Brain Residency. Ho apprezzato l'autonomia ricevuta nell’ambito della ricerca sui diversi argomenti che mi interessavano, come il Deep Learning per la visione artificiale e il linguaggio, l'apprendimento per rinforzo e gli altri argomenti teorici. Originariamente volevo conseguire un dottorato in statistica ma l’esperienza qui mi ha spronata a iscrivermi al programma di Stanford CS di quest’autunno!”.
Melody Guan, studentessa del Google Brain Residency 2016
Questo mese segna la fine di un anno incredibilmente positivo per la prima classe del
Programma Google Brain Residency
. Il programma di un anno è stato creato per offrire l’opportunità a persone con esperienze e background formativi diversi di immergersi nella ricerca del Machine Learning e del Deep Learning.
Nel corso dell'anno
gli studenti hanno familiarizzato con la documentazione, hanno progettato e implementato esperimenti sulla scala di Google e si sono impegnati in avanzate ricerche su una vasta gamma di argomenti che vanno dalla teoria e robotica alla creazione di musica.
Fino a oggi la prima classe di studenti ha
pubblicato oltre 30 paper
nelle principali sedi di pubblicazione per machine learning, quali
ICLR
(15),
ICML
(11),
CVPR
(3),
EMNLP
(2),
RSS
,
GECCO
,
ISMIR
,
ISMB
e
Cosyne
. Altri 18 paper sono attualmente in fase di revisione da parte di
NIPS
,
ICCV
,
BMVC
e
Nature Methods
. Due dei documenti citati sopra sono stati pubblicati in
Distill
ed esplorano
la deconvoluzione che causa gli artefatti a scacchiera
e introducono metodi di
visualizzazione di un modello generativo di scrittura manuale
.
Un
articolo Distill
degli studenti illustra in modo interattivo come la rete neurale genera la scrittura manuale.
Un sistema che dimostra come i robot possono imparare a imitare il movimento umano dall'osservazione. Per ulteriori dettagli, consulta “
Time-Contrastive Networks: Self-Supervised Learning from Multi-View Observation
” (scritto dallo studente Corey Lynch insieme a P. Sermanet, J. Hsu, S. Levine, accettato al CVPR Workshop 2017)
Un modello che utilizza l’apprendimento per rinforzo per addestrare le reti di Deep Learning su larga scala attraverso l'ottimizzazione di calcoli per l'assegnazione di dispositivi hardware. Per ulteriori dettagli, consulta “
Device Placement Optimization with Reinforcement Learning
” (scritto dagli studenti Azalia Mirhoseini e Hieu Pham, in collaborazione con Q. Le, B. Steiner, R. Larsen, Y. Zhou, N. Kumar, M. Norouzi, S. Bengio, J. Dean, presentato in occasione di ICML 2017).
Un approccio per automatizzare il processo di scoperta dei metodi di ottimizzazione, con particolare attenzione alle architetture di Deep Learning. La versione finale del paper “
Neural Optimizer Search with Reinforcement Learning
” (scritto dagli studenti Irwan Bello e Barret Zoph, in collaborazione con V. Vasudevan, Q. Le, presentato in occasione di ICML 2017) sarà disponibile a breve.
Gli studenti hanno anche contribuito significativamente alla community open source con
modelli sequenza per sequenza di uso generale
(utilizzati ad esempio nella traduzione),
sintesi musicale
,
imitazione di schizzi umani
,
sottocampionamento di una sequenza per l'addestramento dei modelli
,
meccanismo di "attenzione" efficace per modelli
e
analisi di serie temporali
(in particolare per la neuroscienza).
Alla fine di quest’anno accademico i nostri studenti intraprenderanno una nuova fase della loro carriera. Molti continueranno nell'ambito della ricerca come dipendenti a tempo pieno nel team Google Brain. Altri hanno deciso di iscriversi ad alcuni dei migliori programmi di dottorato per machine learning presso istituti come Stanford University, UC Berkeley, Cornell University, Oxford University e NYU, University of Toronto e CMU. Non potremmo essere più orgogliosi e curiosi di scoprire dove questa esperienza e il loro duro lavoro li porteranno prossimamente!
Dopo la "laurea" della prima classe, abbiamo accolto la nostra prossima classe composta da 35 studenti incredibilmente talentosi con un bagaglio di esperienze e formazioni molto diverse. Non vediamo l'ora di scoprire come sfrutteranno i risultati ottenuti dalla prima classe per continuare a portare il team verso nuove ed entusiasmanti direzioni. Ci aspetta un altro eccitante anno di ricerca e innovazioni!
Le iscrizioni al programma Residency 2018 sono aperte a partire da settembre 2017. Per ulteriori dettagli sul programma, visita
g.co/brainresidency
.
Ero al lavoro e stavo per azionare un acceleratore al plasma da diversi megawatt...
16 agosto 2017
Pubblicato da Ted Baltz, Senior Staff Software Engineer, Google Accelerated Science Team
Cosa intendi? Perché Google sarebbe interessata alla fisica del plasma?
Google è sempre interessata a risolvere complessi problemi ingegneristici, e pochi sono più complessi della
fusione
. I fisici hanno provato fin dagli anni cinquanta a controllare la fusione degli atomi di idrogeno in elio (lo stesso processo che alimenta il Sole). La chiave per sfruttare questa energia è confinare i plasmi di idrogeno per un
periodo sufficiente
a ottenere una quantità di energia dalle reazioni di fusione maggiore di quella originaria per raggiungere il cosiddetto punto di "breakeven". Se funzionasse, potrebbe essere una svolta tecnologica e fornire un’abbondante fonte di energia a zero emissioni di carbonio.
Attualmente esistono numerosi progetti di ricerca accademica e governativa in materia di fusione. Per nominarne un paio, nel campo della fusione sono stati creati i reattori
Tokamak
come
ITER
e quelli
Stellarator
come
Wendelstein 7-X
. La progettazione dello Stellarator risale al 1951, quindi a parecchio tempo fa. Se ti piacciono i laser giganti, allora parliamo della
National Ignition Facility
che utilizza laser per produrre raggi X e generare reazioni di fusione. Finora, nessuno di questi ha raggiunto un punto di breakeven economico.
Tutte queste iniziative comportano esperimenti complessi con molte variabili, offrendo così l'opportunità a Google di intervenire, visto che il nostro punto di forza è proprio il computing e il machine learning. Oggi abbiamo pubblicato “
Achievement of Sustained Net Plasma Heating in a Fusion Experiment with the Optometrist Algorithm
” nei
Scientific Reports
. Questo paper descrive i primi risultati della collaborazione di Google con i fisici e gli ingegneri di
Tri Alpha Energy
, che costituisce un passo importante verso l'obiettivo del breakeven.
Hai appena detto di aver azionato un acceleratore al plasma?
Sì. Tri Alpha Energy sfrutta un sistema particolare di contenimento del plasma, detto
Field-reversed configuration
, che si prevede sia
più
stabile con l’aumento di energia, a differenza di altri metodi in cui i plasmi diventano più difficili da controllare se riscaldati. Tri Alpha ha costruito un gigantesco dispositivo per la produzione di plasma ionizzato, C-2U, che occupa l’intero magazzino di un normalissimo complesso di uffici. Il plasma, che questa macchina genera e confina, mostra comportamenti non lineari. Il dispositivo stesso va oltre i confini noti per quanto riguarda l’energia elettrica applicata per generare e confinare il plasma in uno spazio così piccolo per un intervallo così breve. È una macchina complessa con più di 1.000 manopole e interruttori, un investimento (non il nostro!) di oltre 100 milioni di dollari per studiare la produzione di energia pulita. La posta in gioco è alta per questo problema di ottimizzazione che mira a risolvere sia le prestazioni del plasma sia le limitazioni dei macchinari. Ed è qui che entra in gioco Google.
Vista di C-2U
Perché non si può semplicemente simulare ciò che succederà? Questa non è semplice fisica?
Non si tratta di “
semplici
” simulazioni che adoperano la
magnetoidrodinamica
. Anche se queste macchine funzionassero entro quei limiti (ma non lo fanno), le simulazioni rendono le simulazioni di
dinamica dei fluidi
un gioco da ragazzi! La realtà è molto più complicata, poiché la temperatura dello ione è tre volte superiore alla temperatura dell'elettrone, per cui il plasma è ben lontano dal suo equilibrio termico e anche l'approssimazione del fluido non è valida, pertanto bisogna tenere traccia
almeno di
alcuni
dei
trilioni e passa di
particelle individuali
, e quindi questo processo va ben oltre ciò che sappiamo fare, anche sfruttando risorse di computing sulla scala di Google.
Allora perché lo facciamo? Esperimenti veri! Con atomi e non bit! A Google ci piace
sperimentare
e ottimizzare. Abbiamo pensato che sarebbe stato interessante vedere se riuscivamo ad aiutare Tri Alpha. Effettuano un “sparo” del plasma nel dispositivo C-2U ogni otto minuti. Ogni sparo consiste nella creazione di due onde di plasma ruotanti nella cavità sottovuoto di C-2U, facendole urtare alla velocità di oltre 600.000 miglia orarie e creando un pallone più grande, più caldo di plasma ruotante continuamente bombardato da fasci di particelle (atomi di idrogeno neutri) che mantengono la rotazione grazie a campi magnetici della durata massima di 10 millisecondi. Si cerca di verificare sperimentalmente se le
field-reversed configuration di plasma
di questi fasci avanzati si comportino come previsto nella teoria. In caso affermativo, questo potrebbe portare alla fusione con breakeven energetico.
Otto minuti sembrano lunghi (il periodo necessario a C-2U per raffreddarsi, ricaricarsi e prepararsi per un altro sparo di 10 ms), ma quando sei seduto nella sala di controllo durante una campagna sperimentale, passano davvero in fretta. Ci sono gli output del sensore da controllare per cercare di capire il comportamento del plasma. Prima che te ne accorga, gli alimentatori si sono ricaricati e sono pronti per un altro ciclo!
Cosa c’entra questo con l’ottimizzazione? Cosa stai ottimizzando?
Il problema è che non è del tutto chiaro cosa sia una buona prestazione per il plasma. Tri Alpha vanta alcuni dei migliori fisici del plasma al mondo ma persino loro non sono d'accordo su cosa sia una "buona prestazione". Possiamo ridurre i comandi del dispositivo ad approssimativamente "solo" 30 parametri ma quando dobbiamo attendere otto minuti a esperimento, diventa un problema piuttosto complicato pur avendo un obiettivo concreto. Inoltre, non è del tutto noto quali siano i limiti di funzionamento affidabili del dispositivo giorno per giorno, perché continuano a variare in base alla qualità del vuoto che cambia e gli elettrodi che si esauriscono e...
Quindi abbiamo sintetizzato il problema così: cerchiamo di trovare i comportamenti del plasma che un fisico esperto pensa siano interessanti e, al tempo stesso, cerchiamo di non danneggiare la macchina. Abbiamo sviluppato l'Algoritmo Optometrist, che è una sorta di
Markov Chain Monte Carlo
(MCMC), in cui la funzione di probabilità esplorata è nella mente del fisico piuttosto che essere scritta esplicitamente. Come nel caso di una prescrizione per occhiali, l'algoritmo presenta all'esperto (un essere umano) le impostazioni della macchina e i risultati associati. Può solo basare il suo giudizio su ciò che è interessante e ciò che è nocivo per la macchina, ad esempio "Quella collisione iniziale sembrava veramente forte" o "L’edge biasing funziona bene ora!" o "Fantastico! Ma la corrente dell'elettrodo era troppo alta, riduciamola!". Il miglioramento fondamentale è stato fornire una tecnica per cercare efficientemente nello spazio ad alta dimensione dei parametri della macchina.
Mi piace l’MCMC!
Sapevo che ti sarebbe piaciuto. Grazie a questa tecnica abbiamo scoperto qualcosa di veramente interessante. Come descritto nel nostro
paper
, abbiamo trovato un regime in cui i fasci di particelle neutre che scaricano l'energia nel plasma erano in grado di bilanciare completamente le perdite dovute al raffreddamento e pertanto l'energia totale del plasma è aumentata
dopo
la formazione. È stato solo per circa 2 millisecondi, ma era la prima volta! Poiché l’aumento di energia dovuto al riscaldamento del fascio neutro non era previsto per C-2U, sarebbe stato difficile inserirlo in una funzione obiettivo. C’era davvero bisogno di un essere umano per notarlo. Questo è il classico esempio di persone e computer che lavorano insieme meglio di quanto non avrebbero fatto separatamente. È come quando pensi di avere un problema di ottimizzazione e ottimizzi l'obiettivo, di solito ti basta guardare il risultato per dire: "No, no, no, non è quello che intendevo", aggiungere un altro termine e ripetere questa operazione fino a quando non ne puoi più.
A me non è successo. Questa settimana. Non ancora.
Sì, abbiamo appena eliminato l'iterazione e lasciato che l'esperto si basasse sul proprio giudizio. L’
apprendimento dalle preferenze umane
sta diventando sempre più diffuso. Google e Tri Alpha hanno formato una bella squadra per risolvere un problema davvero importante.
E ora?
Tri Alpha ha appreso tutto ciò che poteva da C-2U e quindi lo ha smantellato. Ha costruito il nuovo dispositivo chiamato Norman (in onore del cofondatore
Norman Rostoker
) nello stesso magazzino. È molto più potente per quanto riguarda l’accelerazione del plasma e i fasci di particelle neutre. Ha anche un sistema più sofisticato per tenere il plasma nell’area centrale. Il contenitore a pressione, gli acceleratori, le banche di condensatori e gli alimentatori coprono tutto il pavimento in cemento dell'edificio.
Tri Alpha ha da poco ottenuto il "primo plasma” con questo dispositivo e spera, con il nostro supporto, di verificare la previsione teorica che ipotizza che il plasma effettivamente si comporti meglio nel regime "burning plasma". Se otterrà questo scopo nei prossimi 18 mesi, sarà molto più probabile che la Field-reversed configuration diventi un approccio valido per la fusione al punto di breakeven. In tal caso, Tri Alpha cercherà di costruire un altro progetto: un vero e proprio generatore di energia a scopi dimostrativi. E quello non ci entrerà in magazzino!
Riconoscimenti
Vogliamo ringraziare John Platt, Michael Dikovsky, Patrick Riley e Ross Koningstein di Google per il contributo significativo a questo lavoro. Ringraziamo i membri del
Team Google Accelerated Science
per il loro continuo supporto. Siamo anche grati a tutto il team di Tri Alpha per averci dato l'opportunità di lavorare sull'ottimizzazione di questo importante problema.
Come scegliere la corretta opzione di computing in GCP: l’albero decisionale
11 agosto 2017
Pubblicato da Terrence Ryan, Developer Advocate e Adam Glick, Product Marketing Manager
Quando si inizia un nuovo progetto su
Google Cloud Platform
(GCP), una delle prime decisioni da prendere è quale servizio di computing utilizzare: Google Compute Engine, Google Container Engine, App Engine o persino Google Cloud Functions e Firebase.
GCP offre una serie di servizi di computing che vanno dal totale controllo da parte dell’utente (ossia Compute Engine) a servizi altamente astratti (come Firebase e Cloud Functions) lasciando invece sempre di più gli aspetti gestionali e operativi a Google.
Ecco cosa pensano parecchi dei nostri lettori del blog di lunga data sulle opzioni di computing in GCP. Se sei abituato a gestire le VM e desideri un'esperienza simile nel cloud, scegli Compute Engine. Se utilizzi container e Kubernetes, puoi evitare alcuni dei costi di gestione utilizzando Container Engine. Se vuoi concentrarti sul codice ed evitare del tutto i pezzi dell'infrastruttura, usa App Engine. Infine se vuoi concentrarti puramente sul codice e creare microservizi che espongono gli endpoint API per le applicazioni, utilizza Firebase e Cloud Functions.
Nel corso degli anni ci avete riferito che questo modello funziona bene se non avete vincoli, ma può essere complicato nel caso contrario. Abbiamo ascoltato il vostro feedback e vi proponiamo un altro modo per scegliere opzioni di computing che utilizzano un set di domande basate sui vincoli (non c'è bisogno di ribadire che stiamo considerando solo alcuni degli aspetti del vostro progetto).
1. Stai creando un'app mobile o HTML che si basa molto sul client dal punto di vista elaborativo?
Se stai creando un thick client che si basa solo sul backend per la sincronizzazione e/o archiviazione, Firebase è un’ottima scelta. Infatti consente di archiviare documenti complessi (o oggetti se è così che li chiami) e file NoSQL utilizzando un’API e un client molto facili da usare per iOS, Android e Javascript. È disponibile anche un'API REST per l'accesso da altre piattaforme.
2. Stai creando un sistema basato più sugli eventi che sull'interazione degli utenti? In altre parole, stai sviluppando un’applicazione che risponde ai file caricati o magari agli accessi ad altre applicazioni?
Stai già valutando le soluzioni "senza server" o "Functions as a Service"? Allora Cloud Functions fa per te. Cloud Functions consente di scrivere funzioni Javascript eseguite su Node.js che possono chiamare una qualsiasi delle nostre API, tra cui Cloud Vision, Traduttore, Cloud Storage e più di altre 100. Grazie a Cloud Functions, è possibile creare complesse funzioni individuali che vengono esposte come microservizi per sfruttare tutti i nostri servizi senza dover mantenere i sistemi e metterli tutti insieme.
3. La tua soluzione esiste già altrove? Prevede software concesso in licenza? Utilizza altri protocolli a parte HTTP/S?
Se hai risposto "no", vale la pena dare un'occhiata ad App Engine. È una soluzione senza server che esegue il codice sulla nostra infrastruttura e ti fa pagare solo per quello che usi. È scalabile in base alla domanda. Inoltre App Engine ha accesso a tutti gli SDK di Google disponibili così potrai sfruttare l'intero ecosistema Google Cloud.
4
. Stai cercando di creare un sistema basato su container costruito in Kubernetes?
Se già utilizzi Kubernetes su GCP, dovresti davvero considerare Container Engine (infatti dovresti considerarlo ovunque esegui Kubernetes). Container Engine riduce la creazione di soluzioni Kubernetes a un solo clic. Inoltre scala automaticamente i membri del cluster di Kubernetes, consentendo di sviluppare soluzioni Kubernetes che si contraggono o espandono in base alle necessità.
5. Stai creando un sistema stateful? Stai cercando di utilizzare le GPU nella tua soluzione? Stai creando una soluzione basata su container che non sia Kubernetes? Stai migrando una soluzione esistente on-premise al cloud?
Stai usando un software concesso in licenza? Stai utilizzando altri protocolli a parte HTTP/S? Non riesci a trovare un'altra soluzione che soddisfi le tue esigenze?
Se hai risposto "sì" a una di queste domande, probabilmente dovrai eseguire la tua soluzione su macchine virtuali in Compute Engine. Compute Engine è il nostro prodotto di computing più flessibile che offre la massima libertà di configurazione e gestione delle VM, in qualunque modo desideri.
Rispondendo a queste domande otterrai il seguente diagramma di flusso.
Non è affatto un albero decisionale completo e ognuno dei nostri prodotti supporta una gamma più ampia di casi di utilizzo rispetto a quella presentata qui ma può guidarti nelle tue scelte iniziali.
Per saperne di più sulle nostre soluzioni di computing, consulta
Computing on Google Cloud Platform
e
registrandoti
riceverai 300 $ di credito per provarlo oggi stesso.
Buon lavoro!
Capire meglio l'attribuzione in Firebase Analytics
9 agosto 2017
Pubblicato da Todd Kerpelman, Developer Advocate
Ecco qui un pop quiz, vediamo come te la cavi! Supponiamo che tu abbia investito in due campagne pubblicitarie per attirare utenti alla tua applicazione. Dopo qualche settimana scopri che:
Per la campagna pubblicitaria n. 1 sono stati riportati 500 clic.
Per la campagna pubblicitaria n. 2 sono stati riportati 300 clic.
Quindi, quale campagna pubblicitaria ha dato i risultati migliori? Sembra ovvio. Dovresti raddoppiare la campagna pubblicitaria n. 1, no?
Aspetta un attimo. E se scoprissi che...
Per la campagna pubblicitaria n. 1 sono stati riportati 500 clic
Ma solo 80 utenti hanno installato e aperto l'applicazione
...e hanno speso una media di 1,20 $ ciascuno
Per la campagna pubblicitaria n. 2 sono stati riportati 300 clic...
Ma 230 di questi utenti hanno installato e aperto l'applicazione
...e hanno speso una media di 6 $ ciascuno
...e più di 100 di loro si sono iscritti alla tua newsletter?
A un tratto la seconda campagna pubblicitaria sembra la migliore, no?
Questa è l’idea alla base dell'
attribuzione
. Si tratta di una potente forma di analisi delle applicazioni che, non solo determina quali campagne attirino utenti, ma quali attirino gli utenti di valore che ti interessano di più.
Anche se l'attribuzione è un argomento complesso che può essere studiato a lungo da laureati in marketing, cercherò di darti una breve panoramica su come funziona e cosa può comportare per la tua attività.
Tipicamente, quando un'applicazione utilizza qualsiasi tipo di banner o annuncio video, la rete che trasmette questo annuncio prende nota dell'ID dell'utente per gli inserzionisti (sui dispositivi iOS), noto anche come IDFA, o dell'ID pubblicità (sui dispositivi Android ). Questi sono gli ID dei dispositivi univoci che consentono all'inserzionista in-app di ricordare le informazioni sul singolo utente, seppur nel rispetto della privacy. Non sono legati a informazioni personali e gli utenti possono nascondere o reimpostare questi identificatori se lo desiderano.
Se un utente fa clic su una pubblicità, la rete che pubblica l'annuncio prende nota sui suoi server quando l'utente (identificato da questo IDFA o ID pubblicità) clicca su di essa.
Quindi indirizza l'utente all'App Store giusto affinché possa andare a vedere la tua applicazione. Se tutto va come previsto, allora installerà l'applicazione dall'App Store o dal Play Store e la aprirà. Urrà!
Se desideri utilizzare Firebase Analytics per scoprire come si stia comportando questa particolare campagna pubblicitaria nell'attirare utenti di valore, vai al pannello "Attribuzione" di Firebase Analytics e seleziona le reti pubblicitarie desiderate. Al momento collaboriamo con circa 50 reti e ne aggiungiamo altre ogni mese.
Inserendo alcuni dettagli sulla tua campagna pubblicitaria, riceverai un URL campagna, che puoi inviare all'inserzionista originale.
Le informazioni condivise sulla rete pubblicitaria sono generalmente suddivise in tre parti: origine, supporto mediale e campagna. Diverse reti preferiscono registrare queste informazioni in modi leggermente diversi, ma generalmente è possibile considerarle come categorie gerarchiche.
L'origine è la rete pubblicitaria stessa (Vungle, AdWords ecc.).
Il supporto mediale registra il tipo di annuncio mostrato (banner in-game, video intermedio a schermo intero ecc.).
La campagna identifica la specifica campagna pubblicitaria in corso (litigio in ascensore, modello in costume da bagno a cavallo ecc.).
Con questo nuovo URL, la rete pubblicitaria consente a Firebase di sapere che l'utente ha fatto clic su uno dei suoi annunci prima di reindirizzarlo all'App Store o al Play Store.
Da quel momento in poi, per ogni evento importante eseguito nell'applicazione che hai definito come Evento di conversione (ossia aprire l'applicazione per la prima volta, effettuare un acquisto o condividere l'applicazione con gli amici), anche Firebase Analytics prende nota della campagna pubblicitaria responsabile di aver attirato quell'utente.
Sarai quindi in grado di filtrare gli eventi nell'ambito di Firebase Analytics in base a qualsiasi parametro della campagna pubblicitaria. Potrai, ad esempio, vedere quale rete pubblicitaria ha fornito più utenti nel complesso, grazie ai report di attribuzione del tuo evento
first_open
.
Potrai anche scoprire quale rete pubblicitaria ha fornito più entrate per l'evento
in_app_purchase
o quale ha attirato utenti che hanno fatto clic sul pulsante "Sì, scriverò una recensione dell'app!". Qualunque cosa tu possa tracciare in un evento di Firebase Analytics, potrai designarla come evento di conversione.
I postback
Oltre a ricevere informazioni di attribuzione dalle reti pubblicitarie, Firebase Analytics può riportare le informazioni a queste stesse reti in base a un concetto noto alla maggior parte degli esperti di marketing come il "completamento del cerchio della vita". In realtà nessuno lo chiama così, me lo sono appena inventato (ma suona bene, no?). Puoi chiedere a Firebase di comunicare a queste reti pubblicitarie che un utente ha completato un importante evento di conversione nell'applicazione, e ciò avviene tramite una chiamata nota come "postback".
Se l'applicazione, ad esempio, dovesse segnalare a una rete pubblicitaria che un particolare utente (identificato dall'IDFA o ID pubblicità) ha aperto la tua applicazione per la prima volta, tale rete potrebbe trarre vantaggio da questa informazione per migliorare in qualche modo le proprie offerte future. Innanzitutto, ora sa che questo utente ha installato l'applicazione e può smettere di mostrare annunci per un'applicazione già installata. Può anche utilizzare queste informazioni per determinare quali tipi di applicazioni potrebbero piacere all'utente.
La creazione di un postback in Firebase Analytics è abbastanza semplice. Utilizzerai la console Firebase per determinare gli eventi di conversione da inviare via postback alla rete e di solito per aggiungere qualche informazione specifica a quella rete pubblicitaria.
Potrai anche pubblicare di nuovo tutti i tuoi eventi di conversione su questa rete o solo quelli provenienti dalla rete originale. Inviare via postback tutti gli eventi di conversione significa che potrai addestrare più efficientemente le tue reti pubblicitarie, e Firebase richiede un po' di tempo per rendere anonime le altre reti pubblicitarie prima dell'invio. Quindi, una rete pubblicitaria può scoprire che un particolare utente ha completato un evento di conversione nell'ambito dell'applicazione, ma non saprà
qual
è la rete coinvolta.
Cosa succede con Dynamic Links?
Potresti aver notato che quando utilizzi Firebase Dynamic Links, c'è anche uno spazio per impostare i parametri di tracciamento con il nome di origine, supporto mediale e campagna. Ti suona familiare?
Puoi misurare l'efficacia di Firebase Dynamic Links nello stesso modo in cui misuri quella delle campagne pubblicitarie con Firebase Analytics. Con l'aggiunta di questi parametri di tracciamento a Dynamic Links, Firebase Analytics li può trattare come qualsiasi altra campagna per cui misura la segnalazione dell'attribuzione. Infatti, puoi visualizzare gli eventi di conversione, non solo dalle campagne pubblicitarie responsabili di aver attirato gli utenti, ma anche dai Dynamic Links che li avrebbero attirati.
Tuttavia, vale la pena notare che Firebase Dynamic Links funziona meglio se utilizzato in contesti non di marketing, ossia in azioni come la condivisione tra utente e utente, l'indirizzamento degli utenti dal tuo sito web all'applicazione o il collegamento della tua applicazione a post nei social media. Se desideri misurare l'efficacia di una campagna pubblicitaria, dovresti attenerti ai metodi tradizionali che queste reti pubblicitarie già offrono e utilizzare gli URL campagna forniti da Firebase.
Allora, perché non provarci?
Questa è la panoramica generale sull'attribuzione in Firebase Analytics. Se ancora non l'hai provata all'interno dell'applicazione, ti incoraggio a farlo. Potrai imparare molto sulle reti pubblicitarie di cui usufruisci.
Guida alle soluzioni: creazione di app per veicoli connessi con Cloud IoT Core
7 agosto 2017
Pubblicato da Charles Baer, Solutions Architect
Grazie a Internet of Things (IoT), i veicoli si stanno evolvendo da prodotti autonomi incentrati sul trasporto a sofisticati endpoint connessi a Internet spesso capaci di comunicare in modo bidirezionale. I nuovi flussi di dati generati dai veicoli moderni connessi favoriscono la creazione di modelli di business innovativi come assicurazioni basate sull'utilizzo, nuove esperienze all’interno del veicolo e forniscono basi solide per progredire nel campo della guida autonoma e della comunicazione tra veicolo e veicolo (V2V).
Nel mezzo di questo processo, a Google Cloud siamo entusiasti di contribuire per rendere questo mondo una realtà. Recentemente abbiamo pubblicato una
guida alle soluzioni
che illustra i diversi servizi offerti da
Google Cloud Platform
(GCP) in questo ambito.
Una valanga di dati
I veicoli possono produrre fino a 560 GB di dati ciascuno al giorno. Questa valanga di dati rappresenta un’opportunità incredibile e al tempo stesso un’enorme sfida per le piattaforme che connettono e gestiscono i dati dei veicoli, tra cui:
Gestione dei dispositivi
. La connessione dei dispositivi a qualsiasi piattaforma richiede autenticazione, autorizzazione e la capacità di inviare il software di aggiornamento, configurazioni e monitoraggi in modalità push. Questi servizi devono essere scalabili per accomodare eventualmente milioni di dispositivi e offrire una disponibilità costante.
Inserimento dei dati
. I messaggi devono essere ricevuti, elaborati e archiviati in modo affidabile.
Analisi dei dati
. La complessa analisi dei dati di serie temporali, generata dai dispositivi, deve essere utilizzata per ottenere informazioni su eventi, tolleranze, tendenze ed eventuali errori.
Applicazioni
. La logica delle applicazioni a livello aziendale deve essere sviluppata e integrata con fonti di dati esistenti che possono provenire da terze parti o da data center in locale.
Modelli predittivi
. Per prevedere i risultati a livello aziendale devono essere sviluppati modelli predittivi basati sui dati attuali e storici.
I servizi GCP, tra cui il
Cloud IoT Core
recentemente lanciato, forniscono una robusta piattaforma di computing che sfrutta il
modello di sicurezza end-to-end
di Google. Diamo un'occhiata a come possiamo implementare una piattaforma per veicoli connessi utilizzando i servizi Google Cloud.
(fai clic per ingrandire)
Gestione dei dispositivi
: per ottenere gestioni e comunicazioni sicure dei dispositivi, Cloud IoT Core consente di semplificare la connessione sicura dei dispositivi distribuiti a livello globale con GCP per poi gestirli centralmente. IoT Core Device Manager fornisce l'autenticazione e l'autorizzazione, e IoT Core Protocol Bridge abilita la messaggistica tra i veicoli e la piattaforma.
Inserimento dei dati
: Cloud Pub/Sub rappresenta un punto di inserimento dei dati scalabile in grado di gestire grandi volumi di dati generati dai veicoli che inviano la posizione GPS, il numero di giri del motore e le immagini. I servizi di archiviazione scalabile di Cloud BigTable sono particolarmente adatti per la memorizzazione e l’analisi dei dati di serie temporali.
Analisi dei dati
: Cloud Dataflow può elaborare pipeline di dati che uniscono i dati del dispositivo del veicolo con quelli del veicolo aziendale e del cliente, per poi archiviare i dati combinati in BigQuery, che costituisce un potente motore di analisi as-a-service e si integra con strumenti di visualizzazione comuni come Tableau, Looker e Qlik.
Applicazioni
: Compute Engine, Container Engine e App Engine, forniscono tutti componenti di computing importanti per la piattaforma per veicoli connessi. Compute Engine offre un’ampia gamma di tipi di macchine che lo rendono il servizio ideale per qualsiasi componente di integrazione di terze parti. Esegue e gestisce container che garantiscono un elevato grado di flessibilità e scalabilità grazie alla loro architettura a microservizi. Infine App Engine è una piattaforma scalabile serverless ideale per i servizi di frontend per applicazioni consumer e mobili.
Modelli predittivi
:
TensorFlow
e
Cloud Machine Learning Engine
forniscono un sofisticato framework di modellazione e un ambiente di esecuzione scalabile. TensorFlow offre il framework per sviluppare modelli personalizzati di rete neurale profonda ed è ottimizzato per prestazioni, flessibilità e scalabilità
,
tutti fattori critici quando si sfruttano i dati generati da IoT. Machine Learning Engine garantisce un ambiente scalabile per addestrare i modelli TensorFlow utilizzando hardware specializzato nelle infrastrutture di computing di Google, tra cui GPU e TPU.
In sintesi
I veicoli si stanno trasformando in avanzati dispositivi IoT con piattaforme tecnologiche mobili integrate a cui terze parti possono connettersi e offrire servizi avanzati. GCP fornisce una piattaforma sicura, robusta e scalabile per collegare dispositivi IoT che spaziano da sofisticate autoradio a semplici sensori a bassa potenza. Per saperne di più sulla prossima generazione di veicoli connessi grazie a GCP, leggi il seguente paper:
Designing a Connected Vehicle Platform on Cloud IoT Core (Progettare una piattaforma per veicoli connessi su Cloud IoT Core)
.
!--
-->
È disponibile l'Anteprima per sviluppatori 4 e la versione ufficiale di Android O è in arrivo!
4 agosto 2017
Pubblicato da Dave Burke, VP di Engineering
Stiamo apportando i ritocchi finali alla piattaforma Android O ma intanto abbiamo lanciato l’Anteprima per sviluppatori 4 per aiutarti a finalizzare le tue app.
Questa è l’anteprima finale prima del lancio ufficiale della piattaforma Android O al grande pubblico
alla fine dell’estate
. Approfittane per portare a termine il testing e pubblicare subito gli aggiornamenti necessari per garantire la transizione fluida ad Android O dei tuoi utenti.
Se hai già registrato il tuo dispositivo al
Programma Beta di Android
, nei prossimi giorni riceverai un aggiornamento dell'Anteprima per sviluppatori 4. Se ancora non lo hai fatto, visita il
sito Beta di Android
per registrarti e ricevere l’aggiornamento.
Non perderti le ultime notizie sul rilascio ufficiale di Android O!
Cosa contiene questo aggiornamento?
L’Anteprima per sviluppatori 4 è la versione finale candidata di Android O che puoi utilizzare per completare lo sviluppo e il testing in tempo per la prossima versione ufficiale. Include i comportamenti di sistema finali, le ultime correzioni di bug e ottimizzazioni, e le API finali (API livello 26) già disponibili nell’
Anteprima per sviluppatori 3
.
Abbiamo rilasciato le immagini di sistema dei dispositivi dell’Anteprima per sviluppatori 4 insieme alla versione stabile della Support Library di Android 26.0.0. Gli aggiornamenti incrementali per l'SDK, gli strumenti e le immagini di sistema di Android Emulator saranno pronti nei prossimi giorni.
Presentiamo anche la nuova versione di
Android Testing Support Library
che include funzioni come Android Test Orchestrator, Multiprocess Espresso e molto altro. Non perderti i dettagli in arrivo.
Testa le tue app su Android O
Le immagini di sistema dell’Anteprima per sviluppatori 4 offrono un ottimo modo per testare le app sulla versione quasi finale di Android O. Eseguendo il testing ora puoi assicurarti che l’app offra agli utenti l'esperienza che desideri quando si aggiornano alla piattaforma ufficiale Android O.
Basta registrare il dispositivo supportato nel
Programma Beta di Android
per ricevere l'aggiornamento in modalità OTA, installare l'app attuale da Google Play e verificare i flussi utente. L'app dovrebbe funzionare bene dal punto di vista sia operativo sia estetico nonché gestire correttamente i
cambiamenti di comportamento
di Android O, in particolare per quanto riguarda i
limiti di posizione di background
, i
canali di notifica
e le modifiche nell'ambito del
networking
, della
sicurezza
e degli
identificatori
.
Una volta risolti eventuali problemi, pubblica gli aggiornamenti delle app con il livello di targeting corrente in modo che siano disponibili quando gli utenti iniziano a ricevere Android O.
Migliora le tue app con le funzioni e le API di Android O
Gli utenti che utilizzano le versioni più recenti di Android sono tipicamente tra i più attivi in termini di download di app, consumo di contenuti e acquisti. Sono anche più espliciti quando si tratta di supporto delle ultime funzioni Android per le loro app preferite. Grazie ad Android O, potranno contare su funzioni come
canali di notifica
e
punti
,
aggiunta di scorciatoie
,
picture-in-picture
,
compilazione automatica
e molte altre. Queste funzioni potrebbero anche favorire il coinvolgimento di un numero sempre maggiore di utenti dell’app che eseguono l’aggiornamento ad Android O.
Con O Android la tua app può aggiungere direttamente una specifica scorciatoia all’Avvio applicazioni per aumentare il coinvolgimento.
I punti di notifica tengono gli utenti impegnati all’interno dell'app consentendo loro di passare direttamente alle funzioni principali.
Ampliare le funzionalità delle app con Android O ti consentirà di incentivare il coinvolgimento degli utenti, offrire nuovi tipi di interazioni, fornire controllo e sicurezza maggiori e perfino migliorare le prestazioni. Funzioni come le
icone adattive
, i
font scaricabili
e il
ridimensionamento automatico di TextView
possono semplificare lo sviluppo e minimizzare le dimensioni degli APK. La batteria è anche una delle principali preoccupazioni degli utenti, quindi apprezzeranno l’ottimizzazione dei
limiti di esecuzione in background
e gli altri importanti
cambiamenti di comportamento dei vitals di sistema per le app O
.
Visita il
sito web Anteprima per sviluppatori O
per scoprire tutte le nuove funzioni e API e capire come includerle nelle tue app.
Accelera lo sviluppo con Android Studio
Quando sei pronto per Android O, ti consigliamo di eseguire l'aggiornamento all'ultima versione di
Android Studio 3.0
disponibile sul
canale Canary
. Oltre agli
strumenti per il profiling delle prestazioni
dell’app migliorata, il supporto per il
linguaggio di programmazione Kotlin
e le ottimizzazioni delle build Gradle, Android Studio 3.0 semplifica lo sviluppo con le
Instant Apps
, i
font XML
, i
font scaricabili
e le
icone adattive
.
Ti consigliamo anche l’aggiornamento alla versione stabile della
Android Support Library 26.0.0
già disponibile nel
Repository Maven di Google
, all'ultimo SDK, agli strumenti e alle immagini di sistema dell’Emulator che saranno pronti nei prossimi giorni.
Puoi aggiornare compileSdkVersion del tuo progetto all'API 26 per compilare con le API di Android O ufficiali. Ti consigliamo anche di aggiornare targetSdkVersion della tua app all'API 26 per l'opt-in e testarla con gli specifici
cambiamenti di comportamento
di Android O. Consulta la
guida di migrazione
per i dettagli su come impostare il tuo ambiente e sviluppare con Android O.
Pubblica i tuoi aggiornamenti su Google Play
Con Google Play puoi eseguire la compilazione e il targeting delle app all’API 26. Quando sei pronto, puoi pubblicare gli aggiornamenti APK nei tuoi canali alfa, beta o di produzione.
Accertati che l'app aggiornata funzioni correttamente su Android O e sulle versioni precedenti. Consigliamo di utilizzare la
funzionalità Beta testing di Google Play
per ricevere subito il feedback di un piccolo gruppo di utenti per poi effettuare il rollout in fasi. Speriamo di vedere presto gli aggiornamenti delle tue app!
Come ricevere l’Anteprima per sviluppatori 4
Se non l'hai già fatto, ricevere l’Anteprima per sviluppatori 4 è un gioco da ragazzi! Visita
android.com/beta
e registra il tuo telefono o tablet idoneo. Puoi anche scaricare ed
effettuare il flash di questo aggiornamento manualmente
. L'Anteprima per sviluppatori è disponibile per Pixel, Pixel XL, Pixel C, Nexus 5X, Nexus 6P, Nexus Player e Android Emulator. I dispositivi registrati verranno automaticamente aggiornati al rilascio della versione ufficiale di Android O.
Grazie per tutti i tuoi contributi durante la creazione dell'anteprima. Continua inviarci il tuo
feedback e le tue richieste
, li apprezziamo moltissimo!
AppShip3000: un gioco Firebase
2 agosto 2017
Pubblicato da Abe Haskins, Developer Programs Engineer
Creare un bel gioco non è una cosa semplice. Deve essere facile da trovare, essere competitivo, avvincente e naturalmente divertente. Per non parlare dell’impegno tecnico impiegato nella progettazione dell’infrastruttura alla base di un gioco di successo. Il nostro obiettivo con Firebase è occuparci di quest’ultima fase in modo che tu possa concentrarti su tutti gli elementi che rendono il gioco speciale.
Quest'anno in occasione di Google I/O abbiamo deciso di mettere alla prova la nostra piattaforma e creare un gioco con Firebase.
Si chiama AppShip3000 e siamo piuttosto soddisfatti del risultato.
Il team all’opera per creare AppShip3000. È divertente usare la saldatrice!
Come funziona
AppShip3000 è un gioco quiz a tre persone che devono collaborare per far volare un razzo spaziale. I giocatori controllano insieme questo razzo che vola verso l'alto ed esaurisce rapidamente il carburante. Gli asteroidi piovono dall’alto mentre l'equipaggio risponde alle domande di Firebase e Google Cloud per poter andare sempre più in alto.
La difficoltà sta nel fatto che i giocatori possono vedere solo la domanda o una delle risposte a scelta multipla, ma mai entrambe. Devono parlare (o urlare) gli uni agli altri per capire quale giocatore sappia la risposta giusta prima che scada il tempo. Lo stesso accade quando un giocatore vede gli asteroidi prima degli altri e deve gridare dove sono, in modo che tutti possano muovere il razzo. I giocatori devono spostare il joystick nella stessa direzione per evitare di perdere carburante in caso di collisione con gli asteroidi.
Creare con Firebase
Ora vediamo come utilizzare la tecnologia Firebase con AppShip3000. Innanzitutto adoperiamo
Firebase Authentication
per eseguire l'accesso. Il giocatore apre una Progressive Web App (PWA) sul telefono e accede utilizzando il suo account Google. La creazione di un account è un
Trigger di autenticazione per una Cloud Function
che genera una sequenza di pulsanti personalizzata (o codice di avvio). Questo codice viene utilizzato per associare l'account al controller di gioco per tutta la durata del gioco in modo che, alla fine della partita, tutte le statistiche vengono automaticamente associate a quell’account.
Il prodotto finito a Google I/O 2017!
A fine gioco viene utilizzato il
Realtime Database
per aggiornare immediatamente la classifica nella PWA. In occasione di I/O sono stati allestiti degli schermi giganti per mostrare le classifiche. Il Realtime Database è utilizzato anche per gestire le domande quiz del gioco. Ciò consente di aggiornare tempestivamente le domande che possono essere scritte dopo una partita e inviate in produzione in tempo per il prossimo gioco.
Viene generata anche un'immagine del percorso di volo del razzo dopo ogni partita e memorizzata in
Cloud Storage for Firebase
. Questa azione attiva un'altra Cloud Function che a sua volta invia una notifica al giocatore utilizzando
Firebase Cloud Messaging
. La notifica gli consente di sapere che è stata creata un'immagine del percorso del razzo, invitando a condividerla con gli amici.
Come iniziare
Ci siamo davvero divertiti a creare AppShip3000. Utilizzare Firebase per gestire la maggior parte dell'infrastruttura ci ha consentito di concentrarci sulla creazione di un gioco speciale e molto divertente (almeno così pensiamo). Se sei interessato a utilizzare Firebase nel tuo gioco,
consulta la nostra documentazione C++ e Unity
. Per ulteriori informazioni su come Firebase e Google Cloud sono stati utilizzati per gestire la pipeline dei dati di AppShip3000,
vieni a vedere la nostra sessione I/O
. Non vediamo l’ora di scoprire cosa riuscirai a creare!
Etichette
Android
Firebase
GDL
Eventi
Google Developers Live
Chrome
Google Cloud Platform
GDLItalia
GDE
GDG
AppEngine
Google Play
iOS
Google Developers Expert
Università
Google AppEngine
GAE
HTML5
AMP
Google Play Store
AngularJS
Annunci
JavaScript
Maps
Android Wear
Polymer
Android Studio
Community
Entrepreneurship
Google Cast
Google I/O
IoT
Dart
DevTools
Drive
TensorFlow
Android Things
App
GSoC
Google Assistant
Google Play Games
PWA
Diversity
Firebase Analytics
Material Design
Startup
api
machine learning
security
AIY Project
Android O
Apps Script
Cardboard
Compute Engine
Deep Learning
Google ContainerEngine
Python
Research
Responsive Design
VR
Women
beacons
Brillo
Cloud
Cloud Functions
Firebase Cloud Messaging
G Suite
GWT
Games
GoLang
Google Brain
Google Cloud Messaging
Google Compute Engine
Google I/O Extended
Kotlin
Kubernetes
Mobile
Project Tango
SDK
Tales
Testing
Udacity
WTM
YouTube
analytics
intelligenza artificiale
sign-in
Actions on Google
Add-ons
Android Architecture
Android Go
Android Instant App
AndroidDevStory
AndroidTV
Betatesting
BigQuery
C++
Classroom
Cloud TPU
Computer Science
Converge
DevFest
GCE
GDD
Glass
Gmail
Google App Engine
Google App Script
Google Cloud Functions
Google Container Engine
Google Developer Days
Google Identity Platform
Google Now
Google Play Console
Google Plus
Google+
GoogleDevWeekly
GoogleLaunchpad
Graph
Gsuite
Ingress
Instant Apps
Mobile Sites
Mondaygram
Monetization
NativeScript
PHA
Prediction
UX
WWW
authsub
botnet
coding
courses
designer
kids
maker
oauth
open source
openid
realtime
reti neurali
unity
verify apps
Archivio Blog
2017
ago
lug
giu
mag
apr
mar
feb
gen
2016
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2015
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2014
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2013
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
Feed
Follow @GoogleDevsItaly
