새로운 도구 살펴보기, 실제 응용 프로그램에서 LLM 사용 등
| | Keras가 어떻게 딥 러닝을 쉽게 만드는지 알아보세요 |
| | TensorFlow의 머신러닝 문제를 해결하기 위한 접근하기 쉬운 인터페이스를 제공하는 Keras API의 구성요소를 살펴보세요. |
| |
|
|
| |  | | KerasNLP 및 TensorFlow Lite를 사용하여 자동 완성 Android 앱 만들기 | | LLM(대형 언어 모델)은 대규모 데이터 세트를 기반으로 텍스트를 생성하도록 학습되었습니다. KerasNLP 모델을 로드하고, 양자화 기술로 최적화하고, 호환되는 TFLite LLM을 실행할 수 있는 Android 데모 앱에 배포하는 방법을 알아보세요. | |
|
| |
|
|  | | 시각적 블록을 사용하여 ML 아이디어에 생기를 불어넣기 | | Visual Blocks는 신속한 프로토타이핑과 실험을 위한 새로운 그래픽 프로그래밍 프레임워크입니다. PaLM 2와 같은 강력한 기계 학습 빌딩 블록을 사용하고, 시각적 인터페이스 내에서 반복하고, 쉽게 배포하세요. | |
|
| |
|
|  | | TensorFlow Lite를 통해 초음파 기술에 대한 접근성 확대 | | Google의 Health AI 팀이 기기 내 추론을 위해 TensorFlow Lite를 사용하여 모바일에 최적화된 태아 초음파 시스템을 구축하여 산모 의료에 대한 전 세계적 접근을 확대하기 위해 어떻게 노력하고 있는지 알아보세요. | |
|
| |
|
|  | | dtreeviz를 사용하여 의사결정 트리 시각화 및 해석 | | TensorFlow Decision Forests 와 함께 dtreeviz 라이브러리를 사용하여 트리의 각 결정 노드가 특정 기능의 도메인을 분할하는 방법을 시각화하고 각 예측에서 훈련 인스턴스의 분포를 표시합니다. | |
|
| |
|
| |  | | 최첨단 LLM으로 추천 시스템 강화 | | PaLM API를 사용하여 채팅 애플리케이션에서 권장 사항을 생성하고, 권장 사항을 생성 및 정렬하고, 임베딩을 사용하여 알 수 없는 후보를 검색하는 등의 방법을 알아보세요. | |
|
| |
|
|  | | 소프트웨어 엔지니어링에서 ML 엔지니어링으로 전환 | | 기계 학습 엔지니어링(MLE)과 소프트웨어 엔지니어링(SWE)의 주요 사고방식 차이점은 무엇입니까? 각 역할의 일반적인 업무 방식, 복잡성, 계획부터 성공 정의까지의 차이점을 알아보세요. | |
|
| |
|
|
|
|
| |  | | 연결 유지 | | |
|
|
|
|
,
달리 명시되지 않는 한 이 페이지의 콘텐츠에는 Creative Commons Attribution 4.0 라이선스에 따라 라이선스가 부여되며, 코드 샘플에는 Apache 2.0 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 Google Developers 사이트 정책을 참조하세요. 자바는 Oracle 및/또는 Oracle 계열사의 등록 상표입니다.
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["필요한 정보가 없음","missingTheInformationINeed","thumb-down"],["너무 복잡함/단계 수가 너무 많음","tooComplicatedTooManySteps","thumb-down"],["오래됨","outOfDate","thumb-down"],["번역 문제","translationIssue","thumb-down"],["샘플/코드 문제","samplesCodeIssue","thumb-down"],["기타","otherDown","thumb-down"]],[],[],[]]
