2023년 6월

새로운 도구를 탐색하고, 실제 응용 프로그램에서 LLM을 사용하는 등

Keras가 딥러닝을 쉽게 만드는 방법을 알아보세요 TensorFlow를 사용하여 머신 러닝 문제를 해결하기 위한 접근 가능한 인터페이스를 제공하는 Keras API의 구성 요소를 살펴보세요. 개발자 가이드 보기 KerasNLP와 TensorFlow Lite를 사용하여 자동완성 Android 앱 만들기 대규모 언어 모델(LLM)은 대규모 데이터 세트를 기반으로 텍스트를 생성하도록 학습됩니다. KerasNLP 모델을 로드하고, 양자화 기법을 사용하여 최적화하고, 호환되는 모든 TFLite LLM을 실행할 수 있는 Android 데모 앱에 배포하는 방법을 알아보세요. 예시 보기 Visual Blocks를 사용하여 ML 아이디어를 현실로 구현하세요 Visual Blocks는 신속한 프로토타입 제작과 실험을 위한 새로운 그래픽 프로그래밍 프레임워크입니다. PaLM 2와 같은 강력한 머신 러닝 구성 요소를 활용하고, 시각적 인터페이스 내에서 반복 작업을 수행하고, 쉽게 배포할 수 있습니다. 시각적 블록을 시도해 보세요 TensorFlow Lite를 통한 초음파 기술 접근성 확대 Google의 Health AI 팀이 TensorFlow Lite를 사용하여 기기 내 추론을 구현하고 모바일에 최적화된 태아 초음파 시스템을 구축하여 산모 건강 관리에 대한 글로벌 접근성을 확대하기 위해 어떻게 노력하고 있는지 알아보세요. 블로그를 읽어보세요 dtreeviz를 사용하여 의사결정 트리를 시각화하고 해석하세요 TensorFlow Decision Forests 와 함께 dtreeviz 라이브러리를 사용하여 트리의 각 결정 노드가 특정 기능의 도메인을 어떻게 분할하는지 시각화하고 각 예측에서 훈련 인스턴스의 분포를 보여줍니다. 블로그를 읽어보세요 Colab에서 시도해 보세요 최첨단 LLM으로 추천 시스템 강화 PaLM API를 사용하여 채팅 애플리케이션에서 추천을 생성하고, 추천을 생성 및 정렬하고, 임베딩을 사용하여 알려지지 않은 후보를 검색하는 방법 등을 알아보세요. 블로그를 읽어보세요 소프트웨어 엔지니어링에서 ML 엔지니어링으로 전환 머신러닝 엔지니어링(MLE)과 소프트웨어 엔지니어링(SWE)의 주요 사고방식 차이점은 무엇일까요? 각 직무의 일반적인 근무일, 복잡성, 그리고 계획 수립부터 성공 정의까지 어떻게 다른지 알아보세요. 영상을 시청하세요 연결 상태를 유지하세요 © 2023 Google LLC 1600 Amphitheatre Parkway, Mountain View, CA 94043