มิถุนายน 2023

จดหมายข่าว TensorFlow มิถุนายน 2023

สำรวจเครื่องมือใหม่ๆ ใช้ LLM ในแอปพลิเคชันในโลกแห่งความเป็นจริง และอื่นๆ อีกมากมาย

เรียนรู้ว่า Keras ทำให้การเรียนรู้เชิงลึกเป็นเรื่องง่ายได้อย่างไร
สำรวจส่วนประกอบของ Keras API ซึ่งมีอินเทอร์เฟซที่เข้าถึงได้สำหรับการแก้ปัญหาแมชชีนเลิร์นนิงด้วย TensorFlow
ดูคู่มือนักพัฒนา
สร้างแอป Android เติมข้อความอัตโนมัติด้วย KerasNLP และ TensorFlow Lite
โมเดลภาษาขนาดใหญ่ (LLM) ได้รับการฝึกฝนเพื่อสร้างข้อความตามชุดข้อมูลขนาดใหญ่ เรียนรู้วิธีโหลดโมเดล KerasNLP เพิ่มประสิทธิภาพด้วยเทคนิคการหาปริมาณ และปรับใช้กับแอปสาธิต Android ที่สามารถเรียกใช้ TFLite LLM ที่เข้ากันได้
ดูตัวอย่าง
ทำให้แนวคิด ML เป็นจริงโดยใช้ Visual Blocks
Visual Blocks คือเฟรมเวิร์กการเขียนโปรแกรมกราฟิกใหม่สำหรับการสร้างต้นแบบและการทดลองอย่างรวดเร็ว ใช้บล็อกการสร้างแมชชีนเลิร์นนิงอันทรงพลัง เช่น PaLM 2 ทำซ้ำภายในอินเทอร์เฟซแบบภาพ และปรับใช้ได้อย่างง่ายดาย
ลองใช้บล็อกภาพ
ขยายการเข้าถึงเทคโนโลยีอัลตราซาวนด์ด้วย TensorFlow Lite
อ่านวิธีที่ทีม Health AI ของ Google ทำงานเพื่อขยายการเข้าถึงการดูแลสุขภาพมารดาทั่วโลกโดยการสร้างระบบอัลตราซาวนด์ของทารกในครรภ์ที่เพิ่มประสิทธิภาพบนมือถือโดยใช้ TensorFlow Lite สำหรับการอนุมานบนอุปกรณ์
อ่านบล็อก
แสดงภาพและตีความแผนผังการตัดสินใจด้วย dtreeviz
ใช้ไลบรารี dtreeviz กับ TensorFlow Decision Forests เพื่อให้เห็นภาพว่าแต่ละโหนดการตัดสินใจในแผนผังแบ่งโดเมนของฟีเจอร์เฉพาะอย่างไร และแสดงการกระจายของอินสแตนซ์การฝึกอบรมในการทำนายแต่ละรายการ
อ่านบล็อก
ลองใน Colab
เพิ่มระบบการแนะนำด้วย LLM ที่ล้ำสมัย
สำรวจวิธีที่คุณสามารถใช้ PaLM API เพื่อสร้างคำแนะนำในแอปพลิเคชันแชท สร้างและจัดเรียงคำแนะนำ ใช้การฝังเพื่อดึงข้อมูลผู้สมัครที่ไม่รู้จัก และอื่นๆ อีกมากมาย
อ่านบล็อก
การเปลี่ยนจากวิศวกรรมซอฟต์แวร์มาเป็นวิศวกรรม ML
อะไรคือความแตกต่างทางความคิดที่สำคัญระหว่าง Machine Learning Engineering (MLE) และ Software Engineering (SWE) ค้นหาว่าวันทำงานโดยทั่วไปมีลักษณะอย่างไรสำหรับแต่ละบทบาท ความซับซ้อน และความแตกต่างระหว่างการวางแผนไปจนถึงการกำหนดความสำเร็จ
ดูวิดีโอ
เชื่อมต่ออยู่เสมอ
© 2023 Google LLC 1600 Amphitheatre Parkway, เมาน์เทนวิว, แคลิฟอร์เนีย 94043
-

สำรวจเครื่องมือใหม่ๆ ใช้ LLM ในแอปพลิเคชันในโลกแห่งความเป็นจริง และอื่นๆ อีกมากมาย

เรียนรู้ว่า Keras ทำให้การเรียนรู้เชิงลึกเป็นเรื่องง่ายได้อย่างไร
สำรวจส่วนประกอบของ Keras API ซึ่งมีอินเทอร์เฟซที่เข้าถึงได้สำหรับการแก้ปัญหาแมชชีนเลิร์นนิงด้วย TensorFlow
ดูคู่มือนักพัฒนา
สร้างแอป Android เติมข้อความอัตโนมัติด้วย KerasNLP และ TensorFlow Lite
โมเดลภาษาขนาดใหญ่ (LLM) ได้รับการฝึกฝนเพื่อสร้างข้อความตามชุดข้อมูลขนาดใหญ่ เรียนรู้วิธีโหลดโมเดล KerasNLP เพิ่มประสิทธิภาพด้วยเทคนิคการหาปริมาณ และปรับใช้กับแอปสาธิต Android ที่สามารถเรียกใช้ TFLite LLM ที่เข้ากันได้
ดูตัวอย่าง
ทำให้แนวคิด ML เป็นจริงโดยใช้ Visual Blocks
Visual Blocks เป็นเฟรมเวิร์กการเขียนโปรแกรมกราฟิกใหม่สำหรับการสร้างต้นแบบและการทดลองอย่างรวดเร็ว ใช้บล็อกการสร้างแมชชีนเลิร์นนิงอันทรงพลัง เช่น PaLM 2 ทำซ้ำภายในอินเทอร์เฟซแบบภาพ และปรับใช้ได้อย่างง่ายดาย
ลองใช้บล็อกภาพ
ขยายการเข้าถึงเทคโนโลยีอัลตราซาวนด์ด้วย TensorFlow Lite
อ่านวิธีที่ทีม Health AI ของ Google ทำงานเพื่อขยายการเข้าถึงการดูแลสุขภาพมารดาทั่วโลกโดยการสร้างระบบอัลตราซาวนด์ของทารกในครรภ์ที่เพิ่มประสิทธิภาพบนมือถือโดยใช้ TensorFlow Lite สำหรับการอนุมานบนอุปกรณ์
อ่านบล็อก
แสดงภาพและตีความแผนผังการตัดสินใจด้วย dtreeviz
ใช้ไลบรารี dtreeviz กับ TensorFlow Decision Forests เพื่อให้เห็นภาพว่าแต่ละโหนดการตัดสินใจในแผนผังแบ่งโดเมนของฟีเจอร์เฉพาะอย่างไร และแสดงการกระจายของอินสแตนซ์การฝึกอบรมในการทำนายแต่ละรายการ
อ่านบล็อก
ลองใน Colab
เพิ่มระบบการแนะนำด้วย LLM ที่ล้ำสมัย
สำรวจวิธีที่คุณสามารถใช้ PaLM API เพื่อสร้างคำแนะนำในแอปพลิเคชันแชท สร้างและจัดเรียงคำแนะนำ ใช้การฝังเพื่อดึงข้อมูลผู้สมัครที่ไม่รู้จัก และอื่นๆ อีกมากมาย
อ่านบล็อก
การเปลี่ยนจากวิศวกรรมซอฟต์แวร์มาเป็นวิศวกรรม ML
อะไรคือความแตกต่างทางความคิดที่สำคัญระหว่าง Machine Learning Engineering (MLE) และ Software Engineering (SWE) ค้นหาว่าวันทำงานโดยทั่วไปมีลักษณะอย่างไรสำหรับแต่ละบทบาท ความซับซ้อน และความแตกต่างจากการวางแผนไปจนถึงการกำหนดความสำเร็จ
ดูวิดีโอ
เชื่อมต่ออยู่เสมอ
© 2023 Google LLC 1600 Amphitheatre Parkway, เมาน์เทนวิว, แคลิฟอร์เนีย 94043
-

สำรวจเครื่องมือใหม่ๆ ใช้ LLM ในแอปพลิเคชันในโลกแห่งความเป็นจริง และอื่นๆ อีกมากมาย

เรียนรู้ว่า Keras ทำให้การเรียนรู้เชิงลึกเป็นเรื่องง่ายได้อย่างไร
สำรวจส่วนประกอบของ Keras API ซึ่งมีอินเทอร์เฟซที่เข้าถึงได้สำหรับการแก้ปัญหาแมชชีนเลิร์นนิงด้วย TensorFlow
ดูคู่มือนักพัฒนา
สร้างแอป Android เติมข้อความอัตโนมัติด้วย KerasNLP และ TensorFlow Lite
โมเดลภาษาขนาดใหญ่ (LLM) ได้รับการฝึกฝนเพื่อสร้างข้อความตามชุดข้อมูลขนาดใหญ่ เรียนรู้วิธีโหลดโมเดล KerasNLP เพิ่มประสิทธิภาพด้วยเทคนิคการหาปริมาณ และปรับใช้กับแอปสาธิต Android ที่สามารถเรียกใช้ TFLite LLM ที่เข้ากันได้
ดูตัวอย่าง
ทำให้แนวคิด ML เป็นจริงโดยใช้ Visual Blocks
Visual Blocks คือเฟรมเวิร์กการเขียนโปรแกรมกราฟิกใหม่สำหรับการสร้างต้นแบบและการทดลองอย่างรวดเร็ว ใช้บล็อกการสร้างแมชชีนเลิร์นนิงอันทรงพลัง เช่น PaLM 2 ทำซ้ำภายในอินเทอร์เฟซแบบภาพ และปรับใช้ได้อย่างง่ายดาย
ลองใช้บล็อกภาพ
ขยายการเข้าถึงเทคโนโลยีอัลตราซาวนด์ด้วย TensorFlow Lite
อ่านวิธีที่ทีม Health AI ของ Google ทำงานเพื่อขยายการเข้าถึงการดูแลสุขภาพมารดาทั่วโลกโดยการสร้างระบบอัลตราซาวนด์ของทารกในครรภ์ที่เพิ่มประสิทธิภาพบนมือถือโดยใช้ TensorFlow Lite สำหรับการอนุมานบนอุปกรณ์
อ่านบล็อก
แสดงภาพและตีความแผนผังการตัดสินใจด้วย dtreeviz
ใช้ไลบรารี dtreeviz กับ TensorFlow Decision Forests เพื่อให้เห็นภาพว่าแต่ละโหนดการตัดสินใจในแผนผังแบ่งโดเมนของฟีเจอร์เฉพาะอย่างไร และแสดงการกระจายของอินสแตนซ์การฝึกอบรมในการทำนายแต่ละรายการ
อ่านบล็อก
ลองใน Colab
เพิ่มระบบการแนะนำด้วย LLM ที่ล้ำสมัย
สำรวจวิธีที่คุณสามารถใช้ PaLM API เพื่อสร้างคำแนะนำในแอปพลิเคชันแชท สร้างและจัดเรียงคำแนะนำ ใช้การฝังเพื่อดึงข้อมูลผู้สมัครที่ไม่รู้จัก และอื่นๆ อีกมากมาย
อ่านบล็อก
การเปลี่ยนจากวิศวกรรมซอฟต์แวร์มาเป็นวิศวกรรม ML
อะไรคือความแตกต่างทางความคิดที่สำคัญระหว่าง Machine Learning Engineering (MLE) และ Software Engineering (SWE) ค้นหาว่าวันทำงานโดยทั่วไปมีลักษณะอย่างไรสำหรับแต่ละบทบาท ความซับซ้อน และความแตกต่างจากการวางแผนไปจนถึงการกำหนดความสำเร็จ
ดูวิดีโอ
เชื่อมต่ออยู่เสมอ
© 2023 Google LLC 1600 Amphitheatre Parkway, เมาน์เทนวิว, แคลิฟอร์เนีย 94043
-

สำรวจเครื่องมือใหม่ๆ ใช้ LLM ในแอปพลิเคชันในโลกแห่งความเป็นจริง และอื่นๆ อีกมากมาย

เรียนรู้ว่า Keras ทำให้การเรียนรู้เชิงลึกเป็นเรื่องง่ายได้อย่างไร
สำรวจส่วนประกอบของ Keras API ซึ่งมีอินเทอร์เฟซที่เข้าถึงได้สำหรับการแก้ปัญหาแมชชีนเลิร์นนิงด้วย TensorFlow
ดูคู่มือนักพัฒนา
สร้างแอป Android เติมข้อความอัตโนมัติด้วย KerasNLP และ TensorFlow Lite
โมเดลภาษาขนาดใหญ่ (LLM) ได้รับการฝึกฝนเพื่อสร้างข้อความตามชุดข้อมูลขนาดใหญ่ เรียนรู้วิธีโหลดโมเดล KerasNLP เพิ่มประสิทธิภาพด้วยเทคนิคการหาปริมาณ และปรับใช้กับแอปสาธิต Android ที่สามารถเรียกใช้ TFLite LLM ที่เข้ากันได้
ดูตัวอย่าง
ทำให้แนวคิด ML เป็นจริงโดยใช้ Visual Blocks
Visual Blocks เป็นเฟรมเวิร์กการเขียนโปรแกรมกราฟิกใหม่สำหรับการสร้างต้นแบบและการทดลองอย่างรวดเร็ว ใช้บล็อกการสร้างแมชชีนเลิร์นนิงอันทรงพลัง เช่น PaLM 2 ทำซ้ำภายในอินเทอร์เฟซแบบภาพ และปรับใช้ได้อย่างง่ายดาย
ลองใช้บล็อกภาพ
ขยายการเข้าถึงเทคโนโลยีอัลตราซาวนด์ด้วย TensorFlow Lite
อ่านวิธีที่ทีม Health AI ของ Google ทำงานเพื่อขยายการเข้าถึงการดูแลสุขภาพมารดาทั่วโลกโดยการสร้างระบบอัลตราซาวนด์ของทารกในครรภ์ที่เพิ่มประสิทธิภาพบนมือถือโดยใช้ TensorFlow Lite สำหรับการอนุมานบนอุปกรณ์
อ่านบล็อก
แสดงภาพและตีความแผนผังการตัดสินใจด้วย dtreeviz
ใช้ไลบรารี dtreeviz กับ TensorFlow Decision Forests เพื่อให้เห็นภาพว่าแต่ละโหนดการตัดสินใจในแผนผังแบ่งโดเมนของฟีเจอร์เฉพาะอย่างไร และแสดงการกระจายของอินสแตนซ์การฝึกอบรมในการทำนายแต่ละรายการ
อ่านบล็อก
ลองใน Colab
เพิ่มระบบการแนะนำด้วย LLM ที่ล้ำสมัย
สำรวจวิธีที่คุณสามารถใช้ PaLM API เพื่อสร้างคำแนะนำในแอปพลิเคชันแชท สร้างและจัดเรียงคำแนะนำ ใช้การฝังเพื่อดึงข้อมูลผู้สมัครที่ไม่รู้จัก และอื่นๆ อีกมากมาย
อ่านบล็อก
การเปลี่ยนจากวิศวกรรมซอฟต์แวร์มาเป็นวิศวกรรม ML
อะไรคือความแตกต่างทางความคิดที่สำคัญระหว่าง Machine Learning Engineering (MLE) และ Software Engineering (SWE) ค้นหาว่าวันทำงานโดยทั่วไปมีลักษณะอย่างไรสำหรับแต่ละบทบาท ความซับซ้อน และความแตกต่างจากการวางแผนไปจนถึงการกำหนดความสำเร็จ
ดูวิดีโอ
เชื่อมต่ออยู่เสมอ
© 2023 Google LLC 1600 Amphitheatre Parkway, เมาน์เทนวิว, แคลิฟอร์เนีย 94043