| | به TensorFlow در Google I/O بپیوندید |
| | جدیدترین‌های یادگیری ماشینی، از جمله نحوه ساخت برنامه‌های هوش مصنوعی مولد با جدیدترین مدل‌های زبان بزرگ، و موارد دیگر را در Google I/O بیاموزید. برنامه را بررسی کنید و همین الان ثبت نام کنید. |
| |
|
|
| | | تعصب ناخواسته را با جفت سازی Logit Counterfactual کاهش دهید | | انصاف مدل را با تکنیک جدیدی از کتابخانه TensorFlow Model Remediation بهبود بخشید. جفت‌سازی Logit Counterfactual تضمین می‌کند که پیش‌بینی مدل با حذف یا جایگزینی یک ویژگی حساس که در یک مثال ارجاع داده شده است، تغییر نمی‌کند. | |
|
| |
|
|  | | چگونه Adobe وب فتوشاپ را با TensorFlow.js بهبود می بخشد | | نحوه استفاده Adobe از یادگیری ماشینی مبتنی بر وب در جاوا اسکریپت برای فعال کردن وظایف پیشرفته مانند Object Selection در Photoshop Web و بهبود عملکرد مدل تا 200٪ با پشتیبانی از TensorFlow.js را بخوانید. | |
|
| |
|
| | ویژگی های قابلیت همکاری متلب را کاوش کنید | | نحوه ادغام TensorFlow با متلب را با تبدیل مدل های یادگیری عمیق یا اجرای کد پایتون و متلب با هم بیاموزید. | |
|
| |
|
|  | | چگونه Vodafone از TFDV برای پیشبرد حاکمیت داده در مقیاس استفاده می کند | | بخوانید که چگونه Vodafone گردش کار ML خود را با استفاده از TensorFlow Data Validation برای شناسایی ناهنجاری‌ها در خطوط لوله خود و اطمینان از انطباق با قراردادهای داده، صنعتی می‌کند. | |
|
| |
|
| | OpenXLA، یک اکوسیستم کامپایلر ML منبع باز را کشف کنید | | OpenXLA توسعه دهندگان را قادر می سازد تا مدل ها را برای آموزش کارآمد و ارائه بر روی انواع سخت افزارهای مختلف کامپایل و بهینه کنند. مزایای عملکرد، مقیاس و قابلیت حمل آن را بررسی کنید. | |
|
| |
|
|  | | استفاده از TensorFlow برای یادگیری عمیق در داده های ویدیویی | | از آموزش های TensorFlow یاد بگیرید که چگونه داده های ویدئویی یا سه بعدی را به روشی با حافظه کارآمد پردازش کنید. با نمای کلی زیر شروع کنید، یا گفتگوهای فنی را تماشا کنید که نشان می دهد چگونه داده های ویدیویی را بارگیری کنید و یک مدل طبقه بندی ویدیو ایجاد کنید . | | | به پادکست People of AI گوش دهید | | با People of AI هماهنگ شوید، پادکست جدیدی که افراد الهام بخش را با داستان های جالب در دنیای هوش مصنوعی و ML به نمایش می گذارد. | |
|
|
|
|
| |
|
|
|
|
| | |  | | متصل بمانید | | |
|
|
|
|
،
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشی‌های سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبت‌شده Oracle و/یا شرکت‌های وابسته به آن است.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],[],[],[]]
