テクノ大福帳

本記事では、Firebase Local Emulator Suite の Functions Emulator を利用してWeb版 FriendlyChat のコードラボにある Vision API（セーフサーチ）や FCM の機能を試してみます。 【目次】 ［１］はじめに ［２］概要 ［３］実行環境の準備 （１）料金プランを従量課金制（Blaze プラン）に移行 （２）Vision API の有効化 （３）ImageMagick のインストール （４）サービスアカウント ［４］Functions プログラムの準備 （１）ソースコードとプロジェクトディレクトリの準備 （２）依存パッケージのインストール （３）Vision API を利用するための検討 （４）Storage Emulator からダウンロードするための検討 （５）Vision API と Storage Emulator に対応するコード例 （６）ロケーションの変更コード ［５］FriendlyChat を Local Emulator Suite で実行 （１）起動方法 （２）動作確認 ［６］Firebase にデプロイして実行 ［１］はじめに 本記事は、前の記事『 Firebase Local Emulator Suite で Web版 FriendlyChat を動かしてみる 』の続編です。 前の記事では、以下の Web版 FriendlyChat を作るコードラボを取り上げました。 （前回のコードラボ＝＞）FirebaseWebコードラボ https://firebase.google.com/codelabs/firebase-web#0 このコードラボは、クライアントアプリから Authentication、Firestore、Storage を利用してリアルタイムチャットアプリを作成します。そして、その完成版コードを利用して、Local Emulator Suite で動かしました。 このコードラボには続編があります。本記事はこれを取り上げます。 （今回のコードラボ＝＞）Firebaseのクラウド機能 https://firebase.google.com/codelabs/firebase-cloud-functions#0 続編である今回のコードラボで...

本記事では Web版 FriendlyChat の完成版ソースコードをビルドして、Local Emulator Suite で動かすことで、Firebase を体感してみます。 【目次】 ［１］はじめに ［２］Firebase プロジェクトの準備 （１）プロジェクトの作成 （２）アプリの追加 （３）Authentication の設定 （４）Cloud Firestore の設定（＋ロケーションの選択） （５）Cloud Storage の設定 ［３］ローカル開発環境の準備 （１）Firebase CLI などツールの準備とログイン （２）参考：より詳細なセットアップ手順 ［４］FriendlyChat のビルド （１）ソースコードのダウンロードとプロジェクトディレクトリの準備 （２）依存パッケージのインストールと webpack の利用 （３）構成オブジェクトの設定 （４）ルールファイルの修正 ［５］FriendlyChat を Local Emulator Suite で実行 （１）ソースコードに Emulator に接続するコードを追加する （２）Local Emulator Suite の初期化 （３）Local Emulator Suite でアプリを動かす （４）参考：Local Emulator Suite のデータ読込や保存など （５）FriendlyChat を使ってみる ［６］Firebase にデプロイして実行 ［１］はじめに Firebase を手っ取り早く理解するには、実際に動くものを見て、そのコードを読むのが一番良いと思います。その教材となるものはいろいろあると思いますが、中でもよくできていると私が思っているのは、Friendly Chat です。 FriendlyChat はいろいろなバリエーションがあるようですが、本記事で取り上げるのは Web 版のコードラボです。 FirebaseWebコードラボ https://firebase.google.com/codelabs/firebase-web#0 FriendlyChat はチャットアプリで、自分が投稿したメッセージや画像は即座に他のユーザの画面に反映されます。 （以下の画像は、FriendlyChat を Local Emulator Suite で実行...

教師付きの機械学習サービスである Google AutoML Tables を使って、クレジットカードの利用明細（CSVファイル）から家計簿の勘定科目を予測してみます。第４回目の本記事では、モデルをエクスポートしてAutoML Tables 以外の環境で予測する方法を見ていきます。 【目次】 ［１］はじめに ［２］エクスポートして予測する基本的な流れ （１）概要 （２）【参考】Google Cloud Runで動かす場合 ［３］モデルのエクスポート （１）エクスポート手順 （２）エクスポートしたモデルのディレクトリ階層 （３）【参考】モデルの保存形式 ［４］ローカル実行環境の準備 （１）Vagrant＋Ubuntu 20.04 LTS 環境の構築 （２）Dockerのインストール ［５］AutoML Tables モデルサーバの準備と起動 （１）Cloud SDK のインストール （２）エクスポートしたモデルのダウンロード （３）AutoML Tables モデルサーバのダウンロード （４）AutoML Tables モデルサーバの起動 （５）【参考】新たにDockerイメージを作成して実行 ［６］予測 （１）基本的な使い方 （２）curl を利用した実行例 ［７］引き続き… ［１］はじめに 本記事は、前回の記事『 Google AutoML Tables の機械学習を使ってカード利用明細から家計簿の勘定科目を予測する（3）予測 』の続き（第４回）です。 AutoML Tables で作成した機械学習モデルを使った予測方法として、大きく以下の２つ AutoML Tables が提供（管理）する実行環境で予測 バッチ予測 オンライン予測 AutoML Tables 以外の環境で予測 機械学習モデルをエクスポートして、外部のDocker環境で予測する があります。 前者の「AutoML Tables が提供（管理）する実行環境で予測」については前の記事で概観しました。この方法は有償サービスではありますが、面倒な環境構築などは不要といったメリットがあります。 これに対して、後者の「AutoML Tables 以外の環境で予測」は、AutoML Tables で作成した機械学習モデルをエクスポートして、AutoML Tables 環境以外でモデルを...

教師付きの機械学習サービスである Google AutoML Tables を使って、クレジットカードの利用明細（CSVファイル）から家計簿の勘定科目を予測してみます。第３回目の本記事では、前回作成した機械学習モデルを使って勘定科目を予測する方法（AutoML Tables が提供する方法）を見ていきます。 【目次】 ［１］はじめに ［２］予測の実行環境 ［３］バッチ予測 （１）概要 （２）入力データ（CSVファイル）の準備 （３）CSVファイルをCloud Storage にアップロード （４）バッチ予測の実行 （５）予測結果のファイル構成 （６）予測ファイルの内容 （７）エラーファイルやエラー終了など ［４］オンライン予測 （１）概要 （２）デプロイして予測 （３）デプロイメントを削除 ［５］引き続き… ［１］はじめに 本記事は、前回の記事『 Google AutoML Tables の機械学習を使ってカード利用明細から家計簿の勘定科目を予測する（2）トレーニング 』の続き（第３回）です。 前回の記事で、勘定科目を予測する機械学習モデルを作成しました。この機械学習モデルを使って、実際のデータで勘定科目を予測する方法を見ていきます。 予測を行うには、ざっくり、 AutoML Tables が提供（管理）する実行環境で予測する モデルをエクスポートしてAutoML Tables 以外の環境で予測する の２つがありますが、本記事では、まず前者の AutoML Tables が提供する実行環境で予測する方法を見ていきます。この方法は有償サービスではありますが、面倒な環境構築などは不要です。 なお、モデルをエクスポートして予測する方法や、その後の試行錯誤に関しては以降の記事で書きます。 第1回 準備 第2回 トレーニング 第3回 AutoML Tables 環境を利用したバッチ予測、オンライン予測 第4回 モデルをエクスポートしてローカルDocker環境で予測 第5回 モデルの評価と改良 ［２］予測の実行環境 前回作成した作成した機械学習モデルは、いわばパラメータの塊のようなデータですので、モデルだけで動作するものではありません。 機械学習モデルを用いて入力データに対して予測を行うためには、入力データを受け付けて、機械...