Explore nuevas herramientas, utilice LLM en aplicaciones del mundo real y más
| | Descubra cómo Keras facilita el aprendizaje profundo |
| | Explore los componentes de la API de Keras, que proporciona una interfaz accesible para resolver problemas de aprendizaje automático con TensorFlow. |
| |
|
|
| |  | | Cree una aplicación de Android de autocompletar con KerasNLP y TensorFlow Lite | | Los modelos de lenguaje grande (LLM) están entrenados para generar texto basado en grandes conjuntos de datos. Aprenda a cargar un modelo KerasNLP, optimizarlo con técnicas de cuantificación e implementarlo en una aplicación de demostración de Android que pueda ejecutar cualquier LLM TFLite compatible. | |
|
| |
|
|  | | Haga realidad las ideas de ML utilizando Visual Blocks | | Visual Blocks es un nuevo marco de programación gráfica para la experimentación y creación rápida de prototipos. Utilice potentes bloques de construcción de aprendizaje automático como PaLM 2, itere dentro de una interfaz visual e implemente fácilmente. | | Pruebe los bloques visuales |
| |
|
|
|
|
|
| |
|
|  | | Ampliando el acceso a la tecnología de ultrasonido con TensorFlow Lite | | Lea cómo el equipo de Health AI de Google está trabajando para ampliar el acceso global a la atención médica materna mediante la creación de un sistema de ultrasonido fetal optimizado para dispositivos móviles que utiliza TensorFlow Lite para realizar inferencias en el dispositivo. | |
|
| |
|
|  | | Visualice e interprete árboles de decisión con dtreeviz | | Utilice la biblioteca dtreeviz con TensorFlow Decision Forests para visualizar cómo cada nodo de decisión en un árbol divide el dominio de una característica específica y muestra la distribución de instancias de entrenamiento en cada predicción. | |
|
| |
|
| |  | | Aumente los sistemas de recomendación con LLM de última generación | | Explore cómo puede utilizar la API de PaLM para crear recomendaciones en aplicaciones de chat, generar y ordenar recomendaciones, utilizar incrustaciones para recuperar candidatos desconocidos y más. | |
|
| |
|
|  | | Transición de la ingeniería de software a la ingeniería de ML | | ¿Cuáles son las diferencias clave de mentalidad entre la ingeniería de aprendizaje automático (MLE) y la ingeniería de software (SWE)? Descubra cómo es una jornada laboral típica para cada puesto, sus complejidades y en qué se diferencian desde la planificación hasta la definición del éxito. | |
|
| |
|
|
|
|
| |  | | Manténgase conectado | | |
|
|
|
|
,
A menos que se indique lo contrario, el contenido de esta página está sujeto a la licencia Reconocimiento 4.0 de Creative Commons y las muestras de código están sujetas a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio web de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
[[["Es fácil de entender","easyToUnderstand","thumb-up"],["Me ofreció una solución al problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Me falta la información que necesito","missingTheInformationINeed","thumb-down"],["Es demasiado complicado o hay demasiados pasos","tooComplicatedTooManySteps","thumb-down"],["Está obsoleto","outOfDate","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Problema de muestras o código","samplesCodeIssue","thumb-down"],["Otro","otherDown","thumb-down"]],[],[],[]]
