جدیدترین نوآوری های ML را از Google I/O کشف کنید
| | چه چیزی در یادگیری ماشینی از Google I/O وجود دارد |
| | ابزارهای جدیدی را کشف کنید که استفاده از آخرین نوآوری های ML و ساخت برنامه های هوش مصنوعی را آسان می کند. خلاصه را بخوانید یا همه نکات کلیدی و جلسات را در صورت درخواست تماشا کنید. |
| |
|
|
| |  | | ابزارها و تکنیک های جدید از TensorFlow و Keras | | جدیدترین پیشرفت‌ها در اکوسیستم را برای ایجاد و استقرار مدل‌های قدرتمند و عملکردی کاوش کنید: | | مدل های خود را با استفاده از تکنیک های موازی با DTensor مقیاس کنید | | از مدل های پیشرفته از طریق KerasNLP و KerasCV استفاده کنید | | تولید مدل های JAX با JAX2TF |
| |
|
| |
|
| | یک مدل توصیه با تعبیه‌های پویا آموزش دهید | | بیاموزید که چگونه جاسازی‌های پویا را می‌توان برای رشد پویا و کوچک‌تر کردن اندازه جداول جاسازی در تنظیمات توصیه استفاده کرد. با شرکت در نشست برنامه نویسان سیستم های توصیه در 9 ژوئن، درباره ساخت سیستم های توصیه با TensorFlow بیشتر بیاموزید. | |
|
| |
|
|  | | به چالش تشخیص املای انگشتی زبان اشاره آمریکایی بپیوندید | | املای انگشت ASL، که از اشکال دست برای نمایش حروف جداگانه استفاده می کند، می تواند کاربران ناشنوای گوشی های هوشمند را قادر به تایپ سریع تر از صفحه کلید مجازی کند. به چالش Kaggle بپیوندید تا یک مدل تشخیص املای انگشت نگاری TensorFlow Lite ایجاد کنید که بر روی مجموعه داده جدیدی از بیش از سه میلیون کاراکتر آموزش داده شده است. | |
|
| |
|
| | قابل کاوش: از مدل های با اطمینان نادرست تا گروه های فروتن | | درباره Ensembles بیاموزید، تکنیکی که میانگین خروجی چندین مدل را محاسبه می کند. ببینید چگونه می توان از آن برای بهبود کیفیت تخمین های عدم قطعیت یک مدل استفاده کرد. | |
|
| |
|
|  | | برنامه های کاربردی هوش مصنوعی مولد با مدل PalM 2 گوگل بسازید | | مدل‌های زبان بزرگ اکنون می‌توانند زبان طبیعی تولید کنند و دستورالعمل‌ها را با دقت و نکات ظریف دنبال کنند. ابزارهای جدیدی را کاوش کنید که استفاده از مدل‌های نسل بعدی Google را سریع و آسان می‌کند تا برنامه‌های هوش مصنوعی خلاقانه بسازید. | |
|
| |
|
| | منابع ML را برای ساختن از Google AI کشف کنید | | معرفی مقصدی برای ابزارها، راهنمایی و جامعه هوش مصنوعی گوگل. منابعی را برای ایجاد، آموزش، استقرار و مدیریت ML در مقیاس کشف کنید، مهم نیست در کجای جریان کار یادگیری ماشین خود هستید یا مدل های شما در کجا مستقر هستند. | |
|
| |
|
|
|
|
| | |  | | 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"]],[],[],[]]
