Czerwiec 2023 r.

Poznaj nowe narzędzia, wykorzystuj LLM w rzeczywistych zastosowaniach i nie tylko

Dowiedz się, jak Keras ułatwia głębokie uczenie się Poznaj składniki interfejsu API Keras, który zapewnia przystępny interfejs do rozwiązywania problemów z uczeniem maszynowym za pomocą TensorFlow. Zobacz przewodnik dla programistów Utwórz aplikację na Androida z funkcją autouzupełniania za pomocą KerasNLP i TensorFlow Lite Duże modele językowe (LLM) są szkolone w celu generowania tekstu na podstawie dużych zbiorów danych. Dowiedz się, jak załadować model KerasNLP, zoptymalizować go za pomocą technik kwantyzacji i wdrożyć w aplikacji demonstracyjnej na Androida, która może uruchomić dowolne kompatybilne TFLite LLM. Zobacz przykład Wcielaj w życie pomysły ML za pomocą bloków wizualnych Visual Blocks to nowy graficzny framework programowania umożliwiający szybkie prototypowanie i eksperymentowanie. Korzystaj z potężnych elementów składowych uczenia maszynowego, takich jak PaLM 2, wykonuj iteracje w interfejsie wizualnym i łatwo wdrażaj. Wypróbuj bloki wizualne Rozszerzanie dostępu do technologii ultradźwiękowej dzięki TensorFlow Lite Przeczytaj, jak zespół Google ds. sztucznej inteligencji ds. zdrowia pracuje nad rozszerzeniem globalnego dostępu do opieki zdrowotnej nad matkami, tworząc zoptymalizowany pod kątem urządzeń mobilnych system USG płodu, korzystając z TensorFlow Lite do wnioskowania na urządzeniu. Przeczytaj bloga Wizualizuj i interpretuj drzewa decyzyjne za pomocą dtreeviz Użyj biblioteki dtreeviz z lasami decyzyjnymi TensorFlow, aby zwizualizować, jak każdy węzeł decyzyjny w drzewie dzieli domenę określonej funkcji i pokazać rozkład instancji szkoleniowych w każdej predykcji. Przeczytaj bloga Wypróbuj w Colabie Wzbogać systemy rekomendacji o najnowocześniejsze LLM Dowiedz się, jak używać interfejsu API PaLM do tworzenia rekomendacji w aplikacjach do czatowania, generowania i sortowania rekomendacji, korzystania z osadzania w celu wyszukiwania nieznanych kandydatów i nie tylko. Przeczytaj bloga Przejście od inżynierii oprogramowania do inżynierii ML Jakie są kluczowe różnice w sposobie myślenia między inżynierią uczenia maszynowego (MLE) a inżynierią oprogramowania (SWE)? Dowiedz się, jak wygląda typowy dzień pracy na poszczególnych stanowiskach, ich złożoność i różnice od planowania do definiowania sukcesu. Obejrzyj wideo Pozostań w kontakcie © 2023 Google LLC 1600 Amphitheatre Parkway, Mountain View, Kalifornia 94043

,

Poznaj nowe narzędzia, wykorzystuj LLM w rzeczywistych zastosowaniach i nie tylko

Dowiedz się, jak Keras ułatwia głębokie uczenie się Poznaj składniki interfejsu API Keras, który zapewnia przystępny interfejs do rozwiązywania problemów z uczeniem maszynowym za pomocą TensorFlow. Zobacz przewodnik dla programistów Utwórz aplikację na Androida z funkcją autouzupełniania za pomocą KerasNLP i TensorFlow Lite Duże modele językowe (LLM) są szkolone w celu generowania tekstu na podstawie dużych zbiorów danych. Dowiedz się, jak załadować model KerasNLP, zoptymalizować go za pomocą technik kwantyzacji i wdrożyć w aplikacji demonstracyjnej na Androida, która może uruchomić dowolne kompatybilne TFLite LLM. Zobacz przykład Wcielaj w życie pomysły ML za pomocą bloków wizualnych Visual Blocks to nowy graficzny framework programowania umożliwiający szybkie prototypowanie i eksperymentowanie. Korzystaj z potężnych elementów składowych uczenia maszynowego, takich jak PaLM 2, wykonuj iteracje w interfejsie wizualnym i łatwo wdrażaj. Wypróbuj bloki wizualne Rozszerzanie dostępu do technologii ultradźwiękowej dzięki TensorFlow Lite Przeczytaj, jak zespół Google ds. sztucznej inteligencji ds. zdrowia pracuje nad rozszerzeniem globalnego dostępu do opieki zdrowotnej nad matkami, tworząc zoptymalizowany pod kątem urządzeń mobilnych system USG płodu, korzystając z TensorFlow Lite do wnioskowania na urządzeniu. Przeczytaj bloga Wizualizuj i interpretuj drzewa decyzyjne za pomocą dtreeviz Użyj biblioteki dtreeviz z lasami decyzyjnymi TensorFlow, aby zwizualizować, jak każdy węzeł decyzyjny w drzewie dzieli domenę określonej funkcji i pokazać rozkład instancji szkoleniowych w każdej predykcji. Przeczytaj bloga Wypróbuj w Colabie Wzbogać systemy rekomendacji o najnowocześniejsze LLM Dowiedz się, jak używać interfejsu API PaLM do tworzenia rekomendacji w aplikacjach do czatowania, generowania i sortowania rekomendacji, korzystania z osadzania w celu wyszukiwania nieznanych kandydatów i nie tylko. Przeczytaj bloga Przejście od inżynierii oprogramowania do inżynierii ML Jakie są kluczowe różnice w sposobie myślenia między inżynierią uczenia maszynowego (MLE) a inżynierią oprogramowania (SWE)? Dowiedz się, jak wygląda typowy dzień pracy na poszczególnych stanowiskach, ich złożoność i różnice od planowania do definiowania sukcesu. Obejrzyj wideo Pozostań w kontakcie © 2023 Google LLC 1600 Amphitheatre Parkway, Mountain View, Kalifornia 94043

,

Poznaj nowe narzędzia, wykorzystuj LLM w rzeczywistych zastosowaniach i nie tylko

Dowiedz się, jak Keras ułatwia głębokie uczenie się Poznaj składniki interfejsu API Keras, który zapewnia przystępny interfejs do rozwiązywania problemów z uczeniem maszynowym za pomocą TensorFlow. Zobacz przewodnik dla programistów Utwórz aplikację na Androida z funkcją autouzupełniania za pomocą KerasNLP i TensorFlow Lite Duże modele językowe (LLM) są szkolone w celu generowania tekstu na podstawie dużych zbiorów danych. Dowiedz się, jak załadować model KerasNLP, zoptymalizować go za pomocą technik kwantyzacji i wdrożyć w aplikacji demonstracyjnej na Androida, która może uruchomić dowolne kompatybilne TFLite LLM. Zobacz przykład Wcielaj w życie pomysły ML za pomocą bloków wizualnych Visual Blocks to nowy graficzny framework programowania umożliwiający szybkie prototypowanie i eksperymentowanie. Korzystaj z potężnych elementów składowych uczenia maszynowego, takich jak PaLM 2, wykonuj iteracje w interfejsie wizualnym i łatwo wdrażaj. Wypróbuj bloki wizualne Rozszerzanie dostępu do technologii ultradźwiękowej dzięki TensorFlow Lite Przeczytaj, jak zespół Google ds. sztucznej inteligencji ds. zdrowia pracuje nad rozszerzeniem globalnego dostępu do opieki zdrowotnej nad matkami, tworząc zoptymalizowany pod kątem urządzeń mobilnych system USG płodu, korzystając z TensorFlow Lite do wnioskowania na urządzeniu. Przeczytaj bloga Wizualizuj i interpretuj drzewa decyzyjne za pomocą dtreeviz Użyj biblioteki dtreeviz z lasami decyzyjnymi TensorFlow, aby zwizualizować, jak każdy węzeł decyzyjny w drzewie dzieli domenę określonej funkcji i pokazać rozkład instancji szkoleniowych w każdej predykcji. Przeczytaj bloga Wypróbuj w Colabie Wzbogać systemy rekomendacji o najnowocześniejsze LLM Dowiedz się, jak używać interfejsu API PaLM do tworzenia rekomendacji w aplikacjach do czatowania, generowania i sortowania rekomendacji, korzystania z osadzania w celu wyszukiwania nieznanych kandydatów i nie tylko. Przeczytaj bloga Przejście od inżynierii oprogramowania do inżynierii ML Jakie są kluczowe różnice w sposobie myślenia między inżynierią uczenia maszynowego (MLE) a inżynierią oprogramowania (SWE)? Dowiedz się, jak wygląda typowy dzień pracy na poszczególnych stanowiskach, ich złożoność i różnice od planowania do definiowania sukcesu. Obejrzyj wideo Pozostań w kontakcie © 2023 Google LLC 1600 Amphitheatre Parkway, Mountain View, Kalifornia 94043

,

Poznaj nowe narzędzia, wykorzystuj LLM w rzeczywistych zastosowaniach i nie tylko

Dowiedz się, jak Keras ułatwia głębokie uczenie się Poznaj składniki interfejsu API Keras, który zapewnia przystępny interfejs do rozwiązywania problemów z uczeniem maszynowym za pomocą TensorFlow. Zobacz przewodnik dla programistów Utwórz aplikację na Androida z funkcją autouzupełniania za pomocą KerasNLP i TensorFlow Lite Duże modele językowe (LLM) są szkolone w celu generowania tekstu na podstawie dużych zbiorów danych. Dowiedz się, jak załadować model KerasNLP, zoptymalizować go za pomocą technik kwantyzacji i wdrożyć w aplikacji demonstracyjnej na Androida, która może uruchomić dowolne kompatybilne TFLite LLM. Zobacz przykład Wcielaj w życie pomysły ML za pomocą bloków wizualnych Visual Blocks to nowy graficzny framework programowania umożliwiający szybkie prototypowanie i eksperymentowanie. Korzystaj z potężnych elementów składowych uczenia maszynowego, takich jak PaLM 2, wykonuj iteracje w interfejsie wizualnym i łatwo je wdrażaj. Wypróbuj bloki wizualne Rozszerzanie dostępu do technologii ultradźwiękowej dzięki TensorFlow Lite Przeczytaj, jak zespół Google ds. sztucznej inteligencji ds. zdrowia pracuje nad rozszerzeniem globalnego dostępu do opieki zdrowotnej nad matkami, tworząc zoptymalizowany pod kątem urządzeń mobilnych system USG płodu, korzystając z TensorFlow Lite do wnioskowania na urządzeniu. Przeczytaj bloga Wizualizuj i interpretuj drzewa decyzyjne za pomocą dtreeviz Użyj biblioteki dtreeviz z lasami decyzyjnymi TensorFlow, aby zwizualizować, jak każdy węzeł decyzyjny w drzewie dzieli domenę określonej funkcji i pokazać rozkład instancji szkoleniowych w każdej predykcji. Przeczytaj bloga Wypróbuj w Colabie Wzbogać systemy rekomendacji o najnowocześniejsze LLM Dowiedz się, jak używać interfejsu API PaLM do tworzenia rekomendacji w aplikacjach do czatowania, generowania i sortowania rekomendacji, korzystania z osadzania w celu wyszukiwania nieznanych kandydatów i nie tylko. Przeczytaj bloga Przejście od inżynierii oprogramowania do inżynierii ML Jakie są kluczowe różnice w sposobie myślenia między inżynierią uczenia maszynowego (MLE) a inżynierią oprogramowania (SWE)? Dowiedz się, jak wygląda typowy dzień pracy na poszczególnych stanowiskach, ich złożoność i różnice od planowania do definiowania sukcesu. Obejrzyj wideo Pozostań w kontakcie © 2023 Google LLC 1600 Amphitheatre Parkway, Mountain View, Kalifornia 94043