使用 AutoML Vision 跟 Firebase 打造物件辨識系統 COSCUP 2022

Google Cloud AutoML 的理念，是提供開發人員在不需要有太多高深 AI/ML 的背景知識之下，也能輕鬆訓練出高品質自訂機器學習模型。
如此一來在對於非結構化資料（例如：影像）的機器學習應用上變得更加容易。簡單易用的流程對於不熟後端系統的資料工程師或資料科學家也特別平易近人。

但實際上大家都說「人工智慧之前需要有工人智慧」，，事實上真的是這樣嗎？AutoML 到底能不能改善這件事情？
讓我們用一個實際的例子利用 AutoML Vision + Firebase 來實際走過一次，打造一個物件辨識的系統。

Target Audience –

想玩 ML 的非 ML 工程師、對後端不熟的資料工程師或資料科學家

Difficulty –

Skilled

Edward Chuang

Edward 是 Google Cloud 的 Customer Engineer，他的專長在協助遊戲與零售電商行業的客戶如何使用 Google Cloud 的產品與技術來現代化既有的資訊基礎建設，同時也能解決客戶的商業問題並且獲得技術的提升。

在加入 Google 之前，Edward 有著超過 13 年的後端工程師，以及網站可靠度工程 (Site-Reliability Engineering, SRE) 的經驗。他的夢想是成為 Google Maps 街景車的駕駛，他同時也是元祖 COSCUP (2006 年) 的工作人員之一。