ابزارهای جدید را کاوش کنید، از LLM ها در برنامه های کاربردی دنیای واقعی استفاده کنید و موارد دیگر
ابزارهای جدید را کاوش کنید، از LLM ها در برنامه های کاربردی دنیای واقعی استفاده کنید و موارد دیگر
| بیاموزید که چگونه Keras یادگیری عمیق را آسان می کند |
| اجزای Keras API را کاوش کنید، که یک رابط قابل دسترسی برای حل مشکلات یادگیری ماشین با TensorFlow فراهم می کند. |
| |
|
|
| | | با KerasNLP و TensorFlow Lite یک برنامه اندروید تکمیل خودکار ایجاد کنید | مدل های زبان بزرگ (LLM) برای تولید متن بر اساس مجموعه داده های بزرگ آموزش داده می شوند. بیاموزید که چگونه یک مدل KerasNLP را بارگیری کنید، آن را با تکنیک های کوانتیزه سازی بهینه سازی کنید، و آن را در یک برنامه نمایشی اندرویدی که می تواند هر TFLite LLM سازگار را اجرا کند، مستقر کنید. | |
|
| |
|
| | با استفاده از بلاک های بصری، ایده های ML را زنده کنید | Visual Blocks یک چارچوب برنامه نویسی گرافیکی جدید برای نمونه سازی سریع و آزمایش است. از بلوکهای ساختمانی قدرتمند یادگیری ماشینی مانند PalM 2 استفاده کنید، در یک رابط بصری تکرار کنید و به راحتی استقرار دهید. | بلاک های ویژوال را امتحان کنید |
| |
|
|
|
|
|
| |
|
| | گسترش دسترسی به فناوری اولتراسوند با TensorFlow Lite | نحوه کار تیم هوش مصنوعی سلامت Google برای گسترش دسترسی جهانی به مراقبتهای بهداشتی مادران را با ساختن یک سیستم سونوگرافی جنینی بهینهشده برای موبایل با استفاده از TensorFlow Lite برای استنتاج روی دستگاه بخوانید. | |
|
| |
|
| | درخت های تصمیم را با dtreeviz تجسم و تفسیر کنید | از کتابخانه dtreeviz با جنگلهای تصمیم TensorFlow برای تجسم نحوه تقسیم هر گره تصمیم در درخت، دامنه یک ویژگی خاص و نشان دادن توزیع نمونههای آموزشی در هر پیشبینی استفاده کنید. | |
|
| |
|
| | | سیستم های توصیه را با پیشرفته ترین LLM ها تقویت کنید | نحوه استفاده از PaLM API برای ایجاد توصیهها در برنامههای چت، تولید و مرتبسازی توصیهها، استفاده از جاسازیها برای بازیابی نامزدهای ناشناس و موارد دیگر را بررسی کنید. | |
|
| |
|
| | انتقال از مهندسی نرم افزار به مهندسی ML | تفاوت های کلیدی ذهنیت بین مهندسی یادگیری ماشین (MLE) و مهندسی نرم افزار (SWE) چیست؟ دریابید که یک روز کاری معمولی برای هر نقش، پیچیدگیهای آنها و تفاوت آنها از برنامهریزی تا تعیین موفقیت چگونه است. | |
|
| |
|
|
|
|
| | | 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"]],[],[],[]]