Bergabunglah bersama para ahli dari tim Google untuk mempelajari trend terbaru & best practices di dalam dunia publishing, mulai dari cara kerja Google Search, perkenalan Structured Data, Accelerated Mobile Pages (AMP), Progressive Web Apps (PWA), dan juga cara meningkatkan pendapatan dengan Google AdSense.


Acara ini akan diadakan pada 21 Juli 2018 di Yogyakarta, daftar sekarang di https://events.withgoogle.com/gfpyogyakarta

 Ditulis oleh Jamal Eason, Product Manager, Android


Mulai hari ini, Anda bisa mendownload Android Studio 3.2 Beta. Pertama kali ditampilkan di Google I/O 2018, rilis resmi terbaru Android IDE berfokus untuk membantu Anda terhubung ke semua fitur baru yang diluncurkan di Google I/O -- Android JetPack, Android P Developer Preview, dan format Android App Bundle yang baru. Ada juga beberapa fitur baru menarik lainnya yang disertakan dalam Android Studio 3.2 untuk mempercepat pengembangan aplikasi Anda, seperti Emulator Snapshots dan Energy Profiler.

Karena penggunaan Android Studio makin bertumbuh dalam 3,5 tahun sejak versi 1.0, kami juga semakin terobsesi dengan kualitas. Kami terus berinvestasi dalam kualitas karena kami tahu bahwa jutaan developer aplikasi menghabiskan hampir setiap hari di Android Studio dan memerlukan seperangkat fitur yang andal. Stabilitas, waktu build, dan kualitas kerja lainnya akan menjadi fokus utama dalam rilis kami berikutnya setelah kami menyelesaikan Android Studio 3.2. Kami juga tidak ingin menunggu, jadi kami telah membuat perbaikan untuk mengatasi kebocoran memori dan masalah kinerja serta memperbaiki lebih dari 450 bug. Terima kasih atas masukan yang berkelanjutan dan mohon jangan berhenti agar kami bisa fokus pada area yang paling Anda butuhkan di versi Android Studio berikutnya. Bila ingin mencoba fitur terbaru, dan menilai peningkatan kualitas, Anda bisa download Android Studio pada saluran rilis Beta.

Apa yang ada di dalam Android Studio 3.2

Mem-build pada rilis canary Android Studio 3.2, rilis Beta meliputi:

• Dukungan Android App Bundle - Android App Bundle adalah format publikasi baru yang menggunakan Dynamic Delivery Google Play, yang memberikan APK yang lebih kecil dan dioptimalkan yang hanya berisi sumber daya yang dibutuhkan untuk perangkat tertentu. Tanpa perubahan kode apa pun, Anda bisa memanfaatkan penghematan ukuran aplikasi Android App Bundle dengan membuka Build → Build Bundle / APK atau Build → Generate Signed Bundle / APK.

• Emulator Snapshots - Dengan Android Studio 3.2 Anda bisa membuat snapshot pada sembarang keadaan emulator kemudian memulai snapshot dalam waktu kurang dari 2 detik. Anda bisa melakukan pra-konfigurasi snapshot Android Virtual Device (AVD) dengan aplikasi, data, dan setelan yang Anda inginkan kemudian berulang kali kembali ke snapshot yang sama. Pelajari lebih lanjut.

• Energy Profiler - Energy Profiler yang baru dalam suite profiler kinerja bisa membantu Anda memahami dampak energi aplikasi pada perangkat Android. Anda sekarang bisa memvisualisasikan perkiraan penggunaan energi komponen sistem, dan memeriksa event latar belakang yang mungkin menguras baterai.

• Apa yang baru di fitur pengembangan Android
  Ringkasan semua fitur terbaru di Android Studio untuk developer aplikasi Android. Sesi ini meliputi demo dan presentasi kekuatan dari fitur yang relevan yang akan mempercepat alur kerja developer pada Android API terbaru.
  
• Apa yang baru dengan sistem build Android
  Mendalami fitur-fitur baru dari sistem build Android.
  
• Apa yang baru dengan fitur desain Android Studio dan ConstraintLayout
  Sesi ini mencakup fitur-fitur baru di ConstraintLayout 2.0, serta fungsionalitas terbaru yang ditambahkan dalam fitur desain Android Studio, menyoroti bagaimana secara efektif memanfaatkannya untuk mendesain, mem-build prototipe, dan membangun aplikasi Graphic User Interface.
  
• Meningkatkan kinerja aplikasi dengan Android Studio Profilers
  Perbincangan ini menunjukkan cara mendiagnosis dan memecahkan masalah kinerja aplikasi Anda menggunakan Android Studio Profilers. Ini mencakup contoh-contoh mengenai cara menggunakan CPU, memori, profiler jaringan, dan menyoroti apa yang baru.
  
• Praktik terbaik menggunakan compiler di Android Studio
  Sesi ini membahas secara mendalam apa yang terjadi pada berbagai compiler yang digunakan di Android: Bahasa Java 8 menghadirkan desugaring, shrinker (R8) dan dexer (D8) baru, dan pekerjaan yang dilakukan pada compiler Kotlin untuk penggunaan Android.
  
• Android Jetpack: mengelola navigasi UI dengan Navigation Controller
  Sesi ini membahas cara menggunakan Navigation Editor di Android Studio, XML atau Java API untuk menentukan grafik navigasi, dan bagaimana menyederhanakan navigasi dalam aplikasi Anda dan menangani deep link.
  

Download & Masukan

Download versi terbaru Android Studio 3.2 dari halaman download saluran Beta. Bila Anda menggunakan Android Studio versi sebelumnya, pastikan Anda mengupdate ke Android Studio Beta 1 atau yang lebih tinggi. Bila Anda juga ingin mempertahankan versi stabil Android Studio, Anda bisa menjalankan versi rilis stabil dan versi rilis Beta Android Studio secara bersamaan. Pelajari lebih lanjut.

Untuk menggunakan fitur Android Emulator yang disebutkan, pastikan Anda menjalankan setidaknya Android Emulator v27.3+ yang didownload melalui Android Studio SDK Manager.

Harap perhatikan, untuk memastikan kami menjaga kualitas produk, beberapa fitur yang Anda lihat di saluran canary seperti Navigation Editor tidak diaktifkan secara default. Untuk mengaktifkan fitur saluran rilis canary, buka File → Settings → Experimental → Editor → Enable Navigation Editor.

Jika Anda menemukan bug atau masalah, silakan melaporkan masalah. Hubungi kami -- tim development Android Studio ‐ di halaman Google+ atau di Twitter kami.

Ekosistem developer Android terdiri dari individu-individu luar biasa dengan latar belakang, minat, dan impian yang berbeda-beda. Untuk merayakan orang-orang yang membentuk komunitas kami, mulai hari ini, dan selama beberapa bulan mendatang, kami akan bertemu dengan developer, pendiri, manajer produk, desainer, dan lainnya dari seluruh dunia untuk mendengar lebih banyak tentang semangat mereka dan mengetahui apa yang mereka lakukan ketika jauh dari komputernya.



Saksikan kisah yang menampilkan petualang Niek Bokkers dari Polarsteps (Belanda), artis Faith Ringgold dari Quiltuduko (AS) dan tukang reparasi kursi Hans Jorgen Wiberg dari Be My Eyes (Denmark). Anda juga bisa membaca selengkapnya tentang mereka dan aplikasinya pada g.co/play/imakeapps.


Bagikan kisah Anda

Kami juga ingin mendengar kisah Anda. Gunakan hashtag #IMakeApps di saluran sosial Anda, bagikan aplikasi atau game yang Anda kerjakan, peran Anda dalam pembuatannya, dan gambar yang paling cocok dalam menceritakan siapa diri Anda di luar pekerjaan. Kami akan secara rutin memilih dan membagikan beberapa favorit di saluran kami.

Bila Anda juga ingin ditampilkan dalam film #IMakeApps mendatang, beri tahu kami lebih banyak mengenai diri Anda dan aplikasi atau game Anda, dengan melengkapi formulir nominasi.

Ikuti terus kisah #IMakeApps lainnya dengan mengikuti kami di Twitter, YouTube dan LinkedIn.

Ditulis oleh Yonghui Wu, Principal Engineer, Google Brain Team

Minggu lalu di Google I/O, kami memperkenalkan Smart Compose, fitur baru di Gmail yang memanfaatkan machine learning untuk secara interaktif menawarkan saran pelengkapan kalimat saat Anda mengetik, sehingga Anda bisa menyusun draft email lebih cepat. Dibangun berdasarkan teknologi yang dikembangkan untuk Smart Reply, Smart Compose menawarkan cara baru untuk membantu Anda menyusun pesan — apakah ketika Anda membalas email yang masuk maupun menyusun draft yang baru dari awal.
Dalam mengembangkan Smart Compose, ada sejumlah tantangan utama yang harus dihadapi, meliputi:

• Latensi: Karena memberikan prediksi berdasarkan tiap tombol yang ditekan, idealnya Smart Compose harus merespons dalam waktu kurang dari 100 ms agar pengguna tidak melihat adanya kelambatan. Menyeimbangkan kompleksitas model dan kecepatan inferensi adalah masalah yang sangat penting.
• Skala: Gmail digunakan oleh lebih dari 1,4 miliar pengguna yang berbeda-beda. Untuk menyediakan pelengkapan otomatis yang berguna untuk semua pengguna Gmail, model harus memiliki kapasitas pemodelan yang cukup sehingga ia mampu membuat saran yang sesuai dalam konteks yang berbeda-beda.
• Kelayakan dan Privasi: Dalam mengembangkan Smart Compose, kami perlu mengatasi sumber bias potensial dalam proses pelatihan, dan harus mengikuti standar privasi pengguna yang sama ketatnya seperti Smart Reply, untuk memastikan bahwa model kami tidak akan memaparkan informasi pribadi pengguna. Selain itu, para peneliti tidak memiliki akses ke email, yang berarti mereka harus mengembangkan dan melatih sistem machine learning untuk bekerja pada dataset yang mereka sendiri tidak bisa baca.

Menemukan Model yang Tepat
Model penulisan bahasa khusus, seperti model ngram, neural bag-of-words (BoW) dan RNN language (RNN-LM), belajar memprediksi kata berikutnya yang dikondisikan berdasarkan urutan kata awal. Namun, dalam email, kata-kata yang diketik pengguna dalam sesi penulisan email sekarang hanyalah satu “sinyal” yang bisa digunakan model untuk memprediksi kata berikutnya. Untuk memasukkan lebih banyak konteks tentang apa yang ingin dikatakan pengguna, model kami juga dikondisikan pada subjek email dan isi email sebelumnya (jika pengguna membalas email yang masuk).

Salah satu pendekatan untuk memasukkan konteks tambahan ini adalah dengan mentransmisikan masalah sebagai tugas terjemahan mesin sequence-to-sequence (seq2seq), dalam hal ini, urutan sumber adalah rangkaian subjek dan isi email sebelumnya (jika ada), dan urutan target adalah email saat ini yang sedang ditulis pengguna. Meskipun pendekatan ini bekerja dengan baik dalam hal kualitas prediksi, ia gagal memenuhi batasan latensi ketat kami berdasarkan ukuran urutan.

Untuk memperbaikinya, kami menggabungkan model BoW dengan RNN-LM, yang lebih cepat daripada model seq2seq dengan hanya sedikit pengorbanan pada kualitas prediksi model. Dalam pendekatan hibrida ini, kami mengenkode subjek dan email sebelumnya dengan merata-ratakan kata tersemat di setiap kolom. Kami kemudian menggabungkan kata tersemat yang telah direrata tersebut, dan memberikannya ke urutan target RNN-LM pada setiap langkah decoding, seperti yang ditunjukkan diagram model di bawah ini.

Arsitektur model Smart Compose RNN-LM. Subjek dan pesan email sebelumnya dienkode dengan merata-ratakan kata tersemat di setiap kolom. Kata tersemat yang telah direrata tersebut kemudian diberikan ke RNN-LM pada setiap langkah decoding.

Pelatihan & Penyajian Model yang Dipercepat
Tentu saja, begitu kami memutuskan pendekatan pemodelan ini, kami masih harus menyesuaikan berbagai hyperparameter model dan melatih model pada miliaran contoh, yang semuanya sangat membutuhkan waktu. Untuk mempercepatnya, kami menggunakan TPUv2 Pod lengkap untuk melakukan eksperimen. Dengan demikian, kami bisa melatih model untuk konvergensi dalam waktu kurang dari satu hari.

Bahkan setelah melatih model hibrida kami yang lebih cepat, versi awal Smart Compose kami yang berjalan pada CPU standar memiliki latensi penyajian rata-rata beberapa ratus milidetik, yang masih tidak dapat diterima untuk fitur yang berupaya menghemat waktu pengguna. Untungnya, TPU juga bisa digunakan pada saat inferensi untuk mempercepat pengalaman pengguna. Dengan memindahkan sebagian besar komputasi ke TPU, kami meningkatkan latensi rata-rata menjadi beberapa puluh milidetik sembari meningkatkan jumlah permintaan yang bisa dilayani oleh satu mesin secara signifikan.

Kelayakan dan Privasi
Kelayakan dalam machine learning sangatlah penting, karena model pemahaman bahasa bisa mencerminkan bias kognitif manusia yang mengakibatkan asosiasi kata dan pelengkapan kalimat yang tidak diinginkan. Seperti yang disinggung Caliskan dkk. dalam makalah terbaru mereka “Semantics derived automatically from language corpora contain human-like biases”, asosiasi ini sangat berhubungan dalam data bahasa natural, yang menghadirkan tantangan yang cukup besar untuk membangun model bahasa apa pun. Kami secara aktif mencari cara untuk terus mengurangi bias potensial dalam prosedur pelatihan kami. Selain itu, karena Smart Compose dilatih pada miliaran frasa dan kalimat, mirip dengan cara model machine learning spam dilatih, kami telah melakukan pengujian ekstensif untuk memastikan bahwa hanya frasa umum yang digunakan oleh banyak pengguna yang diingat oleh model kami, menggunakan temuan dari makalah ini.

Karya selanjutnya
Kami terus berupaya meningkatkan kualitas saran model penulisan bahasa dengan mengikuti arsitektur termutakhir (mis., Transformer, RNMT+, dll.) dan bereksperimen dengan teknik pelatihan lanjutan dan terbaru. Kami akan menerapkan model lanjutan tersebut ke produksi setelah batasan ketat latensi kami terpenuhi. Kami juga bekerja dalam menggabungkan model bahasa personal, yang dirancang untuk lebih akurat dalam meniru gaya penulisan individu ke sistem kami.

Ucapan Terima Kasih
Model penulisan bahasa Smart Compose dikembangkan oleh Benjamin Lee, Mia Chen, Gagan Bansal, Justin Lu, Jackie Tsay, Kaushik Roy, Tobias Bosch, Yinan Wang, Matthew Dierker, Katherine Evans, Thomas Jablin, Dehao Chen, Vinu Rajashekhar, Akshay Agrawal, Yuan Cao, Shuyuan Zhang, Xiaobing Liu, Noam Shazeer, Andrew Dai, Zhifeng Chen, Rami Al-Rfou, DK Choe, Yunhsuan Sung, Brian Strope, Timothy Sohn, Yonghui Wu, dan banyak lagi.


Ditulis oleh Sai Deep Tetali, Software Engineer, Google Play Protect

Di Google I/O 2017, kami memperkenalkan Google Play Protect, rangkaian layanan keamanan yang komprehensif untuk Android. Meskipun namanya baru, kecerdasan yang mendukung Play Protect telah melindungi pengguna Android selama bertahun-tahun.

Rangkaian perlindungan ancaman seluler milik Google Play Protect dibangun di lebih dari 2 miliar perangkat Android, dan secara otomatis mengambil tindakan di latar belakang. Kami terus memperbarui perlindungan ini sehingga Anda tidak perlu memikirkan keamanan: semua terjadi begitu saja. Perlindungan kami semakin smart dengan penambahan elemen machine learning ke Google Play Protect.

Keamanan dalam skala

Google Play Protect memberikan perlindungan langsung dari aplikasi berpotensi berbahaya (PHA), tetapi perlindungan Google dimulai lebih awal.

Sebelum dipublikasikan di Google Play, semua aplikasi dianalisis secara ketat oleh sistem keamanan kami dan pakar keamanan Android. Berkat proses ini, perangkat Android yang hanya mendownload aplikasi dari Google Play memiliki kemungkinan 9 kali lebih kecil untuk mendapatkan PHA daripada perangkat yang mendownload aplikasi dari sumber lain.

Setelah Anda menginstal aplikasi, Google Play Protect melanjutkan fungsinya untuk menjaga perangkat Anda tetap aman dengan memindai perangkat secara teratur guna memastikan semua aplikasi berfungsi dengan baik. Jika menemukan aplikasi yang berperilaku aneh, Google Play Protect akan memberi tahu Anda, atau menghapus aplikasi berbahaya tersebut untuk menjaga perangkat Anda tetap aman.

Sistem kami memindai lebih dari 50 miliar aplikasi setiap hari. Untuk selalu mempertahankan tingkat keamanan tertinggi, kami mencari risiko baru menggunakan berbagai cara, seperti mengidentifikasi lokasi kode tertentu yang menandakan perilaku jahat, menyelidiki pola perilaku yang berhubungan dengan aplikasi jahat, dan meninjau kemungkinan PHA dengan pakar keamanan kami.

Pada tahun 2016, kami menambahkan machine learning sebagai mekanisme deteksi baru dan ia segera menjadi bagian penting dari sistem dan fitur kami.

Melatih mesin kami

Dalam istilah yang paling dasar, machine learning berarti melatih algoritme komputer untuk mengenali perilaku. Untuk melatih algoritme, kami memberikannya ratusan ribu contoh perilaku tersebut.

Dalam kasus Google Play Protect, kami mengembangkan algoritme untuk mempelajari aplikasi mana yang "berpotensi berbahaya" dan mana yang "aman." Untuk mempelajari PHA, algoritme machine learning menganalisis seluruh katalog aplikasi kami. Kemudian algoritme kami memeriksa ratusan sinyal yang digabungkan dengan data anonim untuk membandingkan perilaku aplikasi di seluruh ekosistem Android untuk menemukan PHA. Mereka mencari perilaku umum PHA, seperti aplikasi yang mencoba berinteraksi dengan aplikasi lain di perangkat, mengakses atau membagikan data pribadi Anda, mendownload sesuatu tanpa sepengetahuan Anda, terhubung ke situs phishing, atau melompati fitur keamanan bawaan.

Ketika kami menemukan aplikasi yang memperlihatkan perilaku jahat yang mirip, kami memasukkannya ke dalam kelompok. Memvisualisasikan kelompok PHA ini membantu kami menemukan aplikasi yang hampir mirip dengan aplikasi jahat yang sudah diketahui, tetapi masih belum terdeteksi.





Setelah mengidentifikasi PHA baru, kami mengonfirmasi temuan ini dengan tinjauan pakar keamanan. Jika aplikasi tersebut ternyata adalah PHA, Google Play Protect mengambil tindakan pada aplikasi itu, kemudian kami memberikan informasi tentang PHA tersebut ke algoritme kami untuk membantu menemukan lebih banyak PHA.

Menggandakan keamanan

Sejauh ini, sistem machine learning kami telah berhasil mendeteksi 60,3% malware yang diidentifikasi oleh Google Play Protect pada tahun 2017.

Pada tahun 2018, kami mencurahkan sejumlah besar bakat dan kekuatan komputasi untuk membuat, memelihara, dan meningkatkan algoritme machine learning ini. Kami terus memanfaatkan kecerdasan buatan dan para peneliti serta engineer kami yang sangat terampil dari seluruh Google untuk menemukan cara baru guna menjaga perangkat Android tetap aman dan terlindungi. Selain tim kami yang berbakat, kami bekerja sama dengan para pakar keamanan dan peneliti terkemuka dari seluruh dunia. Para peneliti ini memberikan banyak data dan analisis untuk selalu menjaga Google Play Protect berada pada tingkat keamanan seluler tertinggi.

Untuk membuka Google Play Protect, buka aplikasi Google Play dan tap Play Protect di panel kiri.

Ucapan Terima Kasih: Karya ini dikembangkan dalam kolaborasi bersama dengan tim Google Play Protect, Safe Browsing, dan Play Abuse dengan kontribusi dari Andrew Ahn, Hrishikesh Aradhye, Daniel Bali, Hongji Bao, Yajie Hu, Arthur Kaiser, Elena Kovakina, Salvador Mandujano, Melinda Miller, Rahul Mishra, Damien Octeau, Sebastian Porst, Chuangang Ren, Monirul Sharif, Sri Somanchi, Sai Deep Tetali, Zhikun Wang, dan Mo Yu.

 Melissa Daniels, Program Manager for Android Things
Android Things memungkinkan Anda membangun dan memelihara perangkat IoT dalam skala besar. Kami baru saja merilis Android Things 1.0 dengan dukungan jangka panjang untuk perangkat produksi, sehingga Anda bisa dengan mudah menggunakan perangkat IoT dari produk prototipe hingga produk komersial.

Kami mengemas Google I/O tahun ini dengan konten Android Things untuk menginspirasi dan memberdayakan komunitas developer, mulai dari pembicaraan dan codelab hingga demo interaktif dan perburuan. Berikut adalah detail semua hal menyenangkan yang kami tampilkan yang tidak akan bisa Anda lihat di toko-toko retail.

Demo

Kami menghadirkan beberapa demo Android Things interaktif baru di I/O, memamerkan kemampuan AI dan ML dari platform ini, jadi jika Anda tidak mendapat kesempatan untuk hadir tahun ini, berikut adalah beberapa favorit kami-- sempurna untuk menjelajahi dari mana pun Anda berada!

Smart Flowers: Flos Mobilis



Apa yang terjadi ketika Anda menggabungkan machine learning, Android Things dan robotika? Flos Mobilis, sebuah robot kontinum dengan setiap bunga disokong oleh papan pengembangan i.MX7D dan kamera untuk menjalankan model neural net tersemat yang mengontrol gerakan bunga. Semuanya berjalan secara offline tanpa data yang disimpan atau ditransmisikan.

Smart Flowers: Flos Affectus



Bagaimana jika sebuah robot bisa merespons perasaan Anda? Flos Affectus adalah kluster bunga robot yang "mekar" dan "tidak mekar" bergantung pada ekspresi yang terdeteksi di wajah pengguna. Empat ekspresi umum yang bisa dideteksi Flos Affectus adalah: bahagia, sedih, marah, terkejut. Menggunakan kamera yang tersemat di kepala bunga alfa, kluster bunga mampu mendeteksi wajah pengguna dan menyimpulkan emosi wajah. Kluster bunga berjalan secara offline tanpa data yang disimpan atau ditransmisikan dan menunjukkan kemampuan gerak serta model machine learning pada perangkat.

Rosie the Android



Awalnya dirancang oleh tim engineer Google untuk konferensi tahunan Grace Hopper, Rosie the Android adalah robot swafoto Android setinggi 5 kaki, lengkap dengan kemampuan machine-learning. Terinspirasi oleh Rosie the Riveter, ia adalah robot yang bisa dikontrol penuh yang dapat mengambil foto, merespons perintah, berkeliling dan berinteraksi dengan orang-orang di sekitarnya.



Apakah Anda berswafoto dengan Rosie di I/O? Tukarkan kode akses unik Anda di g.co/rosie

Smart Projector

Smart Projector dibangun berbasis Lantern, project Android Things yang mengeksplorasi hubungan antara tampilan luar dan konten — membuat augmentasi objek dan lingkungan dunia nyata dengan data yang bermakna dan cepat dipahami. Ia memanfaatkan project Google Experiments yang dikenal sebagai Quick Draw, menggunakan kumpulan data doodling terbesar di dunia yang telah dibagikan secara publik untuk membantu riset machine learning.

Untuk mempelajari lebih lanjut tentang Lantern atau mulai membangunnya sendiri, mulai dari sini.

Printer 3D



Printer 3D Printrbot Smalls yang dimodifikasi ini menggunakan subsistem real-time yang menunjukkan fleksibilitas Android Things-- pengontrol mikro mengontrol motor berlatensi rendah, sementara Android Things menangani proses render OpenGL. Dengan mempertahankan sebagian besar logika pada platform tingkat tinggi seperti Android, Anda membuat pengembangan dan proses debug menjadi lebih mudah, semuanya berkat fitur Android yang menakjubkan.

Masa depan pencetakan 3D? Membuat kontrol real-time semakin mudah dan portabel seperti Android Things lainnya.

Codelab

Fiuh! Itu hanyalah puncak gunung es demo. Dengan begitu banyak demo dan banyak cara menggunakan Android Things, kita bisa mulai mengimajinasikan semua hal yang dapat dibangun! Di I/O, kami membantu banyak developer membangun perangkat Android Things pertamanya menggunakan Android Things Starter Kit. Kami menyediakan codelab ini, sehingga Anda bisa mendapatkannya kapan pun dibutuhkan, atau membangunnya sendiri.

Video

Ketinggalan pembicaraan I/O? Download rekaman dari setiap pembicaraan Android Things, sehingga Anda bisa bebas memulai, menjeda, dan memutar mundur video saat waktu luang. Atau, duduklah santai dan tonton semuanya.

What's new in Android Things

Build effective OEM-level apps on Android Things

Build real consumer devices with Android Things

Electronic design for Android Things System on Modules

Women Techmakers panel: experiences developing on Android Things

Product design: how to build better products with Android Things

Device provisioning and authentication with Android Things

Update production devices in the field with the Android Things Console

Mulai membangun!

Selain semua sumber daya yang baru saja kami sebutkan, kami memiliki kumpulan informasi di dokumentasi developer kami, dan situs komunitas baru kami tempat Anda bisa melihat lebih banyak project menginspirasi dan bahkan mengirimkan project Anda sendiri. Jadi, tunggu apa lagi? Download Android Things Starter Kit dan mulai bangun sesuatu hari ini!

Ditulis oleh Gerardo Capiel dan Varouj Chitilian, Google Pay

Pelanggan saat ini ingin menyelesaikan sesuatu lebih cepat dari sebelumnya, apakah ketika mereka memesan bahan makanan atau berbelanja sepatu baru. Dengan Google Pay, kami ingin memastikan pembayaran tidak memperlambat mereka (atau konversi Anda), sekaligus meningkatkan pengalaman pelanggan pada setiap langkahnya.

Minggu lalu di Google I/O, kami mengumumkan beberapa fitur menarik baru yang bisa melakukan hal tersebut. Kami juga membagikan cara terbaru agar developer bisa menggunakan Google Pay untuk menawarkan pengalaman terbaik saat pembayaran dan seterusnya—semua tersedia secara gratis dengan API kami. Berikut adalah beberapa highlight dan bagaimana Anda bisa memanfaatkannya secara maksimal.

Lebih banyak tempat bagi pelanggan untuk melakukan pembayaran online

Kami telah meluncurkan dukungan pembayaran dengan Google Pay pada browser atau perangkat apa pun. Ini berarti pelanggan bisa membayar dengan Google Pay pada hampir semua browser dari perangkat apa pun.



Fungsionalitas ini mudah diaktifkan dalam aplikasi dan situs Anda. Lihat software engineer Google Pay, Tony Chen melakukan integrasi situs secara langsung di panggung, kemudian cobalah sendiri menggunakan dokumen developer kami.

Namun memudahkan pembayaran bagi pelanggan tidak hanya dari cara mereka membayar. IsiOtomatis Chrome membantu pelanggan mengisi formulir secara otomatis, sehingga mereka bisa mempercepat keseluruhan proses pembayaran tanpa repot mengetik. Untuk memastikan pembeli mendapatkan pengalaman pembayaran tercepat dengan IsiOtomatis Chrome, kami sarankan Anda melihat panduan praktik terbaik kami yang baru.

Kami juga mempermudah pelanggan untuk mengelola metode pembayaran mereka di Google Pay dengan menambahkan fungsionalitas ini ke pengalaman iOS dan desktop kami. Fungsionalitas baru ini memungkinkan pelanggan menambahkan kartu dan melihat transaksi kapan pun dan di mana pun mereka membutuhkannya, memberikan Anda akses ke grup pelanggan baru yang bisa menggunakan Google Pay dalam aplikasi dan situs Anda. Ini juga berarti pelanggan yang menambahkan kartu dari laptop bisa menggunakan kartu tersebut dengan Google Pay pada perangkat iOS. (Cobalah sendiri di g.co/pay/demo.)

Fungsionalitas baru ini akan segera diluncurkan, dan Anda bisa mempelajarinya lebih lanjut dalam sesi Build with Google Pay.

Tiket dan karcis seluler dengan Google Pay API for Passes

Membangun dukungan yang baru diluncurkan untuk tiket transit prabayar, kami sekarang juga mendukung cara baru bagi Anda untuk menyimpan dan mengelola tiket melalui Google Pay API for Passes. Ini memungkinkan Anda membuat tiket event seluler dan boarding-pass yang bisa disimpan pelanggan ke aplikasi Android Google Pay. Kami telah menguji coba fitur ini bersama Southwest, Fortress GB, dan Ticketmaster, dan lebih banyak mitra akan segera bergabung. Ingin bergabung? Daftarkan diri untuk informasi selengkapnya.

Transaksi hadir ke Actions on Google

Actions on Google memungkinkan developer menarik miliaran pengguna di Asisten Google dan segera di Google Penelusuran, Android, dan platform lainnya dengan mengembangkan Actions dan menautkannya ke katalog intent yang terus berkembang. Salah satu sesi kami menunjukkan bagaimana Anda bisa mengaktifkan Google Pay dalam Actions sehingga pelanggan Anda dapat melakukan pembelian dengan Asisten mereka di berbagai platform, termasuk perangkat seluler, Google Home, dan segera, Smart Displays. Transaksi sekarang tersedia di Australia, Kanada, Jepang, Prancis, Jerman, Amerika Serikat, dan Inggris. (Kami akan segera menghadirkannya ke Brasil, India, Italia, dan Spanyol.)



Selain itu, kami memulai pratinjau developer, di sini Anda bisa mengaktifkan transaksi untuk menjual konten digital pada Asisten Google. Itu meliputi pembelian dalam aplikasi, langganan, game, pengalaman, dan konten premium.

Kami tak sabar menantikan semua cara kreatif Anda menggunakan Google Pay untuk memperkuat bisnis Anda dan membangun pengalaman pembayaran yang lebih baik bagi pelanggan. Pastikan memeriksa semua sesi I/O kami untuk melihat lebih banyak ide, fitur, dan tips. Sementara itu, kami akan terus bekerja keras pada fitur-fitur baru untuk membuat Google Pay menjadi pengalaman terbaik—bagi Anda dan pelanggan Anda.