2023 年 6 月

新しいツールを探索し、LLM を実際のアプリケーションで使用するなど

Kerasでディープラーニングを簡単にする方法を学ぶ TensorFlow を使用して機械学習の問題を解決するための使いやすいインターフェースを提供する Keras API のコンポーネントについて説明します。 開発者ガイドを見る KerasNLP と TensorFlow Lite を使用して Android のオートコンプリート アプリを作成する 大規模言語モデル（LLM）は、大規模なデータセットに基づいてテキストを生成するようにトレーニングされます。KerasNLPモデルを読み込み、量子化技術を用いて最適化し、互換性のあるTFLite LLMを実行できるAndroidデモアプリにデプロイする方法を学びます。 例を見る ビジュアルブロックを使用して ML のアイデアを実現する Visual Blocksは、迅速なプロトタイピングと実験のための新しいグラフィカルプログラミングフレームワークです。PaLM 2などの強力な機械学習ビルディングブロックを使用し、ビジュアルインターフェース内で反復処理を行い、簡単にデプロイできます。 ビジュアルブロックを試す TensorFlow Lite で超音波技術へのアクセスを拡大 Google の Health AI チームが、デバイス上での推論にTensorFlow Lite を使用してモバイル向けに最適化された胎児超音波システムを構築し、母体医療への世界的なアクセスを拡大するために取り組んでいる様子をご覧ください。 ブログを読む dtreeviz で決定木を視覚化して解釈する TensorFlow Decision Forestsで dtreeviz ライブラリを使用して、ツリー内の各決定ノードが特定の機能のドメインをどのように分割するかを視覚化し、各予測におけるトレーニング インスタンスの分布を表示します。 ブログを読む Colabで試す 最先端のLLMで推奨システムを強化 PaLM API を使用してチャット アプリケーションで推奨事項を作成する方法、推奨事項を生成および並べ替える方法、埋め込みを使用して未知の候補を取得する方法などについて説明します。 ブログを読む ソフトウェアエンジニアリングからMLエンジニアリングへの移行 機械学習エンジニアリング（MLE）とソフトウェアエンジニアリング（SWE）の主な考え方の違いは何でしょうか？それぞれの役割における典型的な1日の業務内容、その複雑さ、そして計画から成功の定義に至るまでの違いについてご紹介します。 ビデオを見る つながり続ける © 2023 Google LLC 1600 Amphitheatre Parkway, Mountain View, CA 94043