Dowiedz się, jak TensorFlow rozwiązuje rzeczywiste, codzienne problemy związane z uczeniem maszynowym
Zobacz, jak różne firmy z różnych branż wdrażają ML, aby rozwiązać swoje największe problemy. Od opieki zdrowotnej po sieci społecznościowe, a nawet e-commerce , ML można zintegrować z Twoją branżą i firmą.
Jesteś zainteresowany wykorzystaniem ML we własnej firmie? Skontaktuj się z jednym z naszych partnerów świadczących usługi AI, aby dowiedzieć się więcej.

Wszystkie studia przypadków i wzmianki

Zespół inżynierów i nauk o danych Airbnb stosuje uczenie maszynowe przy użyciu TensorFlow do klasyfikowania obrazów i wykrywania obiektów na dużą skalę, pomagając poprawić wrażenia gości.

ML pomaga w monitorowaniu zmian na powierzchni Ziemi pod kątem planowania urbanistycznego, zwalczania nielegalnych budów oraz mapowania szkód i zmian krajobrazu spowodowanych katastrofami naturalnymi.

Arm NN for Android Neural Networks API (NNAPI) zapewnia warstwę abstrakcji sprzętu (HAL), która jest skierowana do procesorów graficznych Arm Mali i prowadzi do ponad czterokrotnego zwiększenia wydajności struktur uczenia maszynowego, takich jak TensorFlow Lite.

Carousell tworzy modele uczenia maszynowego z głębokim obrazem i zrozumieniem języka naturalnego przy użyciu TensorFlow w Google Cloud ML. Sprzedawcy korzystają z uproszczonego sposobu publikowania z rozpoznawaniem obrazu, a kupujący odkrywają trafniejsze oferty dzięki rekomendacjom i wyszukiwarce obrazów.

Procesory CEVA NeuPro i CEVA-XM AI do głębokiego uczenia się i wnioskowania AI na brzegu sieci automatycznie konwertują sieci wyszkolone przez TensorFlow do użytku w urządzeniach wbudowanych w czasie rzeczywistym przy użyciu kompilatora CEVA CDNN.

China Mobile stworzył system głębokiego uczenia przy użyciu TensorFlow, który może automatycznie przewidywać przedział czasu przełączania, weryfikować dzienniki operacji i wykrywać anomalie sieciowe. To już z powodzeniem wsparło największą na świecie relokację setek milionów numerów IoT HSS.

Postępy w dziedzinie sztucznej inteligencji i dojrzałość TensorFlow umożliwiły Coca-Cola Company wreszcie osiągnięcie od dawna bezproblemowego dowodu zakupu.

Korzystając z Tensorflow, firma GE Healthcare szkoli sieć neuronową w celu identyfikacji określonej anatomii podczas badań rezonansu magnetycznego (MRI) mózgu, aby poprawić szybkość i niezawodność.

Google używa TensorFlow do obsługi implementacji ML w produktach takich jak wyszukiwarka, Gmail i Tłumacz, aby pomóc badaczom w nowych odkryciach, a nawet w tworzeniu postępów w wyzwaniach humanitarnych i środowiskowych.

Ta praca zaowocowała 2,8-krotnym wzrostem wydajności, co przynosi korzyści społeczności TensorFlow i szerokiemu gronu klientów korzystających z TensorFlow na platformach Intel

Kakao Mobility korzysta z usług TensorFlow i TensorFlow Serving, aby przewidzieć prawdopodobieństwo ukończenia podróży, gdy wysyłamy kierowców, aby zrealizowali żądania wywołania przejazdu.

Platforma Lenovo LiCO przyspiesza szkolenie w zakresie sztucznej inteligencji i tradycyjne obliczenia o wysokiej wydajności oraz optymalizuje szkolenia głębokiego uczenia dzięki integracji i optymalizacji TensorFlow. LiCO zapewnia różne wbudowane modele TensorFlow i obsługuje zoptymalizowane rozproszone szkolenie tych modeli.

Zespół algorytmów Liulishuo po raz pierwszy zastosował TensorFlow do swojego wewnętrznego projektu uczenia maszynowego na początku 2016 roku. Ten łatwy w użyciu framework do uczenia maszynowego pomógł zespołowi zbudować aplikację do nauczania języka angielskiego.

Korzystanie z TensorFlow NAVER Shopping automatycznie dopasowuje ponad 20 milionów nowo zarejestrowanych produktów dziennie do około 5000 kategorii, aby uporządkować produkty w sposób systematyczny i ułatwić wyszukiwanie użytkowników.

NERSC i NVIDIA odniosły sukces w skalowaniu naukowej aplikacji Deep Learning do 27 000+ procesorów graficznych Nvidia V100 Tensor Core, przełamując tym samym barierę ExaFLOP.

Korzystając z TensorFlow, uczenia się głębokiego transferu i modelowania generatywnego, firma PayPal była w stanie rozpoznać złożone, zmieniające się w czasie wzorce oszustw, aby zwiększyć dokładność eliminacji oszustw, jednocześnie poprawiając doświadczenie legalnych użytkowników dzięki zwiększonej precyzji identyfikacji.

Qualcomm optymalizuje i przyspiesza modele TensorFlow i TensorFlow Lite na platformach mobilnych Snapdragon oraz w portfolio chipsetów zaprojektowanych dla IoT, obliczeń, XR i motoryzacji.

Klasyfikację i segmentację choroby przeprowadzono na obrazach siatkówki OCT za pomocą TensorFlow. Te trzy typy chorób zostały sklasyfikowane jako neowaskularyzacja naczyniówkowa, brodawki ciała szklistego lub cukrzycowy obrzęk siatkówki. Po segmentacji, Sinovation Ventures określiło granicę podejrzanych zmian w obrazowaniu.

Swisscom wykorzystuje możliwości TensorFlow do głębokiego dostosowywania modeli uczenia maszynowego do klasyfikowania tekstu i określania intencji klientów po odebraniu ich połączeń.

Pakiet Processor SDK optymalizuje modele TensorFlow Lite, odciążając wnioskowanie CNN / DNN z ogólnych rdzeni obliczeniowych Arm® na specjalnie skonstruowane akceleratory sprzętowe, które zwiększają możliwości uczenia maszynowego w wizji maszynowej, robotyce, samochodach ADAS i wielu innych zastosowaniach.

Twitter wykorzystał TensorFlow do zbudowania „rankingowej osi czasu”, dzięki czemu użytkownicy mogą mieć pewność, że nie przegapią najważniejszych tweetów, nawet jeśli śledzą tysiące użytkowników.

Firma VSCO wykorzystała TensorFlow Lite do opracowania funkcji „Do tego zdjęcia”, która wykorzystuje uczenie maszynowe na urządzeniu do identyfikowania rodzaju zdjęcia, które ktoś edytuje, a następnie sugeruje odpowiednie ustawienia wstępne z wybranej listy.

WPS Office implementuje wiele scenariuszy biznesowych, takich jak rozpoznawanie obrazu na urządzeniu i OCR obrazu oparte na TensorFlow.