Google Developers Italia

Novità! I corsi codelab di Kotlin per Android sono ora disponibili

11 ottobre 2019

Pubblicato da Jocelyn Becker, Senior Program Manager, Google Developer TrainingKotlin Bootcamp for ProgrammersDeveloping Android apps in KotlinKotlin BootcampCome creare app Android in Kotlincodelab Kotlin BootcampUnisciti subito al Kotlin Bootcamp!

Creazione di app Android in KotlinInizia ora!

Riconoscimento dei movimenti del corpo nell'app "Smart Baduanjin"

9 ottobre 2019

Un guest post di Keith Chan e Vincent Zhang del team tecnico di OliveX Introduzione

Persona animata che esegue movimenti del corpo

OliveX Obiettivi e requisiti Fotogrammi dell'app "Smart Baduanjin"

I nostri utenti solitamente eseguono gli esercizi di Baduanjin all'aperto, pertanto il nostro prodotto deve essere "mobile"

Quando un utente fa pratica di Baduanjin, generalmente ha bisogno di seguire un video dimostrativo e imitare i movimenti eseguiti da un coach, pertanto il nostro prodotto deve essere in grado di riprodurre contenuti video con audio

Per fornire un feedback in tempo reale accurato ai nostri utenti, dobbiamo poter acquisire i movimenti corporei dell'utente attraverso la fotocamera frontale

Riconoscere ogni movimento di Baduanjin nella sequenza complessiva

Fornire punteggi sulla base della correttezza dei movimenti corporei dell'utente

Fornire indicazioni per correggere l'esecuzione non corretta dei movimenti

Analisi tecnica Selezione di framework ML

Solido supporto per dispositivi mobili ed esecuzione fluida, anche su smartphone di fascia medio-bassa

Design API intuitivo e strumenti di debug efficaci

Valido supporto della community e risorse disponibili

PoseNetapp di esempio PoseNet basata su TensorFlow Lite Algoritmi Riconoscimento dei movimenti del corpo Come acquisire le articolazioni del corpo umano con PoseNet

Come acquisire le articolazioni del corpo umano con PoseNet

Azioni chiave Grafico dei movimenti chiave di Baduanjin

Sfide sui dispositivi mobiliTensorFlow Lite Tabella di confronto tra TensorFlow Mobile e TensorFlow Lite

delegato GPU per TensorFlow Lite (sperimentale) Benchmark su alcuni dei dispositivi più diffusi tra i nostri utenti, con e senza delegato GPU.

ConclusioniApp StoreGoogle Play

Le novità al Firebase Summit 2019

4 ottobre 2019

Francis Ma ( Le Figaro. canale YouTubesito web del summit Nuovi strumenti per la creazione di app per dispositivi mobili e Web di livello superiore Risparmiare tempo sulle attività di sviluppo quotidiane con le estensioni Firebasepagina della directory delle estensionirepository delle estensioni Firebase di GitHub

Avvio di estensioni disponibili nella Console Firebase

Aumentare la velocità di sviluppo con la Firebase Emulator Suitequi

La Firebase Emulator Suite ora supporta il Realtime Database ed SDK lato client e server più estesi Qualità app e interazione utenti migliorate Migliorare la stabilità e l'usabilità dell'app prima della pubblicazione con Firebase App Distributionqui

Invio delle versioni pre-release dell'app ai trusted tester attraverso la Console Firebase Espandere le capacità delle applicazioni web con Google Analytics, Firebase Remote Config e Firebase Cloud Messaging Google Analyticsfunzionalità di segmentazione del pubblicoRemote ConfigFirebase Cloud Messaging

Google Analytics ora supporta le applicazioni web

Prevedere con facilità il comportamento degli utenti con Firebase Predictionsqui Controllo, flessibilità e trasparenza maggiori Dietro le quinte con più SDK open sourceiOSAndroidSDK Web quiLimitare l'accesso ai progetti Firebase qui Altre novità entusiasmanti del Firebase Summit 2019 Ridurre il tempo di esecuzione dei test con Firebase Test LabFirebase Test Labqui Aggiornamento sulla migrazione Fabric migrare le tue app e i membri del team Fabricqui Aspettando il 2020 e non solo!Unisciti al nostro programma Alpha

Dalla scrittura del codice alla community: perché gli sviluppatori chiamano il DevFest "casa"

2 ottobre 2019

Ricardo (a sinistra) con un collega GDG Lead durante la pianificazione del DevFest Coimbra

Ricardo (a sinistra) e un collega GDG Lead durante la pianificazione del DevFest Coimbra.

Ricardo Costeira è un software engineer di Coimbra, in Portogallo. Per la prima volta lo scorso anno ha partecipato al DevFest, il più grande movimento guidato dalla community di sviluppatori ospitato dai Google Developer Group di tutto il mondo. In occasione del DevFest 2019, vogliamo condividere con te la storia di Ricardo e di come è passato dalla scrittura del codice a trovare una community. 1. Come sei venuto a conoscenza del DevFest? Cosa ti ha spinto a partecipare? 2. Puoi parlarci della tua prima esperienza al DevFest?

"Essendo una persona relativamente timida e solitaria per natura, mi sono stupito di me stesso quando ho sentito uscire dalla mia bocca le parole 'Questo è il mio posto, mi sento a casa'".

3. Quali elementi del DevFest 2018 non vedi l'ora di ritrovare quest'anno? 4. In vista del DevFest 2019, per cosa sei più entusiasta? 5. Qualche consiglio per chi parteciperà al DevFest 2019?

"Il DevFest non riguarda solo le presentazioni o i seminari, ma anche le persone".

Desideri trovare un evento DevFest vicino a te? Dai un'occhiata al sito devfest.withgoogle.com per unirti alla nostra community, incontrare altri sviluppatori e scoprire di più su Cloud, Android, Flutter, Machine Learning e molto altro. #DevFest #Community

Come impostare gli avvisi di Crashlytics per monitorare la stabilità dell'app

30 settembre 2019

Pubblicato da Shobhit Chugh (Product Manager) e Todd Burner (Developer Relations)tipi di avvisii nostri consigli su come configurarli Tipi di avvisiGli avvisi sui nuovi problemi

immagine di notifica di un nuovo problema

Gli avvisi di rilevamento regressioneIl digest sui problemi di trending

avviso di velocità,qui

immagine delle impostazioni degli avvisi di velocità

Scelta dei canaliavvisi e-mail e in-console.

immagine della vista elenco avvisi di crashlytics

Fai clic su Firebase Alerts nell'angolo in alto a destra della console di Firebase

Fai clic sull'icona a forma di ingranaggio ⚙️ per le impostazioni

Scegli il progetto per il quale desideri ricevere avvisi e-mail

Seleziona le caselle pertinenti per scegliere se desideri ricevere avvisi nella Console di Firebase, tramite e-mail o entrambi

SlackJiraPagerDuty

Vai alle impostazioni del progetto e fai clic sulla scheda Integrations

Successivamente, imposta la tua connessione Slack fornendo un URL webhook, il nome di un canale e un nome utente per la pubblicazione

immagine della configurazione della connessione Slack

Infine, scegli i trigger. Puoi ricevere notifiche per nuovi errori irreversibili e non irreversibili, nonché problemi di regressione e avvisi di velocità

Creazione automatica dei ticket. Firebase può creare ticket in Jira in risposta a eventi di Crashlytics come nuovo problema, problemi di regressione e avvisi di velocità

Puoi creare nuovi ticket Jira per un problema di Crashlytics, facendo clic su un pulsante sulla console di Crashlytics

Vai al problema in Crashlytics che desideri collegare a un ticket Jira

Fai clic su Link to Jira

Fai clic su Create issue in Project o incolla l'URL del ticket Jira o la chiave del ticket nello spazio sottostante

allo stesso modo Consigli basati sulle modalità di utilizzo dei clientiCrashlytics con Cloud Functionsconsulta la nostra documentazione.

Utilizzo del deep learning per diagnosi differenziali accurate delle malattie della pelle

25 settembre 2019

Pubblicato da Yuan Liu, PhD, Software Engineer e Peggy Bui, MD, Technical Program Manager, Google Health37%oltre la metà di questi pazienti è seguita da medici non dermatologi24%70%7796maligna o benignaun melanomanon è di natura malignaA Deep Learning System for Differential Diagnosis of Skin Diseases Progettazione DLSdermatite da stasicellulitediagnosi differenzialeInception-v4teledermatologia

Schema del DLS e come è stato generato lo standard di riferimento (ground truth) attraverso il voto di tre dermatologi certificati per ciascun caso nel set di validazione.

Confronto con valutazioni professionali

La diagnosi differenziale top-1 del DLS è sostanzialmente superiore rispetto a quella di medici di base e infermieri e alla pari con quella dei dermatologi. Questa accuratezza aumenta in modo sostanziale quando osserviamo l'accuratezza top-3 del DLS, suggerendo che nella maggior parte dei casi l'elenco di diagnosi classificate del DLS contiene la risposta "ground truth" corretta per il caso.

Valutazione delle prestazioni demograficheclassificazione di Fitzpatrick dei fototipi

A sinistra: Esempio di un caso con perdita di capelli per il quale i non specialisti hanno avuto difficoltà a formulare una diagnosi specifica, necessaria per determinare il trattamento appropriato. A destra: Un'immagine con le aree evidenziate in verde che mostra le aree che il DLS ha identificato come importanti e che ha utilizzato per fare la sua previsione. Al centro: L'immagine combinata, che indica che il DLS si è concentrato principalmente sull'area con perdita di capelli per fare questa previsione, invece che sul colore della pelle della fronte, ad esempio, che potrebbe indicare un potenziale bias.

Incorporazione di più tipi di dati

Le prestazioni del DLS migliorano quando sono presenti più immagini (linea blu) o metadati (blu rispetto alla linea rossa). In assenza di metadati come input, l'addestramento di un DLS separato utilizzando solo le immagini porta a un miglioramento marginale rispetto al DLS attuale (linea verde).

Lavoro futuro e applicazioni RingraziamentiQuesto lavoro ha coinvolto un team multidisciplinare di ingegneri del software, ricercatori, clinici e collaboratori interfunzionali. Tra i principali partecipanti a questo progetto figurano Yuan Liu, Ayush Jain, Clara Eng, David H. Way, Kang Lee, Peggy Bui, Kimberly Kanada, Guilherme de Oliveira Marinho, Jessica Gallegos, Sara Gabriele, Vishakha Gupta, Nalini Singh, Vivek Natarajan, Rainer Hofmann-Wellenhof, Greg S. Corrado, Lily H. Peng, Dale R. Webster, Dennis Ai, Susan Huang, Yun Liu, R. Carter Dunn e David Coz. Gli autori desiderano ringraziare William Chen, Jessica Yoshimi, Xiang Ji e Quang Duong per il supporto dell'infrastruttura software per la raccolta dei dati. Un ringraziamento anche a Genevieve Foti, Ken Su, T Saensuksopa, Devon Wang, Yi Gao e Linh Tran. Infine, questo lavoro non sarebbe stato possibile senza la partecipazione di dermatologi, medici di base, infermieri specializzati che hanno esaminato i casi per questo studio, Sabina Bis che ha contribuito a stabilire la mappatura delle condizioni della pelle e Amy Paller che ha fornito feedback sul manoscritto.

Gli aggiornamenti ARCore per Augmented Faces e Cloud Anchors consentono nuove esperienze multipiattaforma condivise

23 settembre 2019

Pubblicato da Christina Tong, Product Manager, Augmented RealityARCoremigliaia di app AR Augmented Faces su iOSabbiamo annunciato Miglioramenti a Cloud AnchorsAPI Cloud AnchorsJust a LinePHAROS ARSpacecraft AR.disponibili Persistenza di Cloud Anchors e ricerca di collaboratoriMark ARSyboiDreamSky

Dimostrazione di un telefono con Mark AR

Mark AR è un'app che consente alle persone di creare e scoprire arte AR in luoghi del mondo reale. fai domanda qui

Novità! I corsi codelab di Kotlin per Android sono ora disponibili

Riconoscimento dei movimenti del corpo nell'app "Smart Baduanjin"

Le novità al Firebase Summit 2019

Dalla scrittura del codice alla community: perché gli sviluppatori chiamano il DevFest "casa"

Come impostare gli avvisi di Crashlytics per monitorare la stabilità dell'app

Utilizzo del deep learning per diagnosi differenziali accurate delle malattie della pelle

Gli aggiornamenti ARCore per Augmented Faces e Cloud Anchors consentono nuove esperienze multipiattaforma condivise

Etichette

Archivio Blog

Feed

Company-wide

Products

Developers