Junio del 2023

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. Ver guía para desarrolladores 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. Ver ejemplo 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. leer el blog 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. leer el blog Pruébalo en Colab 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. leer el blog 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. Mira el vídeo Manténgase conectado © 2023 Google LLC 1600 Amphitheatre Parkway, Mountain View, CA 94043

,

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. Ver guía para desarrolladores 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. Ver ejemplo 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. leer el blog 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. leer el blog Pruébalo en Colab 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. leer el blog 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. Mira el vídeo Manténgase conectado © 2023 Google LLC 1600 Amphitheatre Parkway, Mountain View, CA 94043

,

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. Ver guía para desarrolladores 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. Ver ejemplo 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. leer el blog 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. leer el blog Pruébalo en Colab 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. leer el blog 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. Mira el vídeo Manténgase conectado © 2023 Google LLC 1600 Amphitheatre Parkway, Mountain View, CA 94043

,

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. Ver guía para desarrolladores 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. Ver ejemplo 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. leer el blog 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. leer el blog Pruébalo en Colab 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. leer el blog 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. Mira el vídeo Manténgase conectado © 2023 Google LLC 1600 Amphitheatre Parkway, Mountain View, CA 94043