มิถุนายน 2023

สำรวจเครื่องมือใหม่ๆ ใช้ LLM ในแอปพลิเคชันในโลกแห่งความเป็นจริง และอื่นๆ อีกมากมาย

เรียนรู้ว่า Keras ทำให้การเรียนรู้เชิงลึกเป็นเรื่องง่ายได้อย่างไร สำรวจส่วนประกอบของ Keras API ซึ่งมีอินเทอร์เฟซที่เข้าถึงได้สำหรับการแก้ปัญหาแมชชีนเลิร์นนิงด้วย TensorFlow ดูคู่มือนักพัฒนา สร้างแอป Android เติมข้อความอัตโนมัติด้วย KerasNLP และ TensorFlow Lite โมเดลภาษาขนาดใหญ่ (LLM) ได้รับการฝึกฝนเพื่อสร้างข้อความตามชุดข้อมูลขนาดใหญ่ เรียนรู้วิธีโหลดโมเดล KerasNLP เพิ่มประสิทธิภาพด้วยเทคนิคการหาปริมาณ และปรับใช้กับแอปสาธิต Android ที่สามารถเรียกใช้ TFLite LLM ที่เข้ากันได้ ดูตัวอย่าง ทำให้แนวคิด ML เป็นจริงโดยใช้ Visual Blocks Visual Blocks คือเฟรมเวิร์กการเขียนโปรแกรมกราฟิกใหม่สำหรับการสร้างต้นแบบและการทดลองอย่างรวดเร็ว ใช้บล็อกการสร้างแมชชีนเลิร์นนิงอันทรงพลัง เช่น PaLM 2 ทำซ้ำภายในอินเทอร์เฟซแบบภาพ และปรับใช้ได้อย่างง่ายดาย ลองใช้บล็อกภาพ ขยายการเข้าถึงเทคโนโลยีอัลตราซาวนด์ด้วย TensorFlow Lite อ่านวิธีที่ทีม Health AI ของ Google ทำงานเพื่อขยายการเข้าถึงการดูแลสุขภาพมารดาทั่วโลกโดยการสร้างระบบอัลตราซาวนด์ของทารกในครรภ์ที่เพิ่มประสิทธิภาพบนมือถือโดยใช้ TensorFlow Lite สำหรับการอนุมานบนอุปกรณ์ อ่านบล็อก แสดงภาพและตีความแผนผังการตัดสินใจด้วย dtreeviz ใช้ไลบรารี dtreeviz กับ TensorFlow Decision Forests เพื่อให้เห็นภาพว่าแต่ละโหนดการตัดสินใจในแผนผังแบ่งโดเมนของฟีเจอร์เฉพาะอย่างไร และแสดงการกระจายของอินสแตนซ์การฝึกอบรมในการทำนายแต่ละรายการ อ่านบล็อก ลองใน Colab เพิ่มระบบการแนะนำด้วย LLM ที่ล้ำสมัย สำรวจวิธีที่คุณสามารถใช้ PaLM API เพื่อสร้างคำแนะนำในแอปพลิเคชันแชท สร้างและจัดเรียงคำแนะนำ ใช้การฝังเพื่อดึงข้อมูลผู้สมัครที่ไม่รู้จัก และอื่นๆ อีกมากมาย อ่านบล็อก การเปลี่ยนจากวิศวกรรมซอฟต์แวร์มาเป็นวิศวกรรม ML อะไรคือความแตกต่างทางความคิดที่สำคัญระหว่าง Machine Learning Engineering (MLE) และ Software Engineering (SWE) ค้นหาว่าวันทำงานโดยทั่วไปมีลักษณะอย่างไรสำหรับแต่ละบทบาท ความซับซ้อน และความแตกต่างระหว่างการวางแผนไปจนถึงการกำหนดความสำเร็จ ดูวิดีโอ เชื่อมต่ออยู่เสมอ © 2023 Google LLC 1600 Amphitheatre Parkway, เมาน์เทนวิว, แคลิฟอร์เนีย 94043

-

สำรวจเครื่องมือใหม่ๆ ใช้ LLM ในแอปพลิเคชันในโลกแห่งความเป็นจริง และอื่นๆ อีกมากมาย

เรียนรู้ว่า Keras ทำให้การเรียนรู้เชิงลึกเป็นเรื่องง่ายได้อย่างไร สำรวจส่วนประกอบของ Keras API ซึ่งมีอินเทอร์เฟซที่เข้าถึงได้สำหรับการแก้ปัญหาแมชชีนเลิร์นนิงด้วย TensorFlow ดูคู่มือนักพัฒนา สร้างแอป Android เติมข้อความอัตโนมัติด้วย KerasNLP และ TensorFlow Lite โมเดลภาษาขนาดใหญ่ (LLM) ได้รับการฝึกฝนเพื่อสร้างข้อความตามชุดข้อมูลขนาดใหญ่ เรียนรู้วิธีโหลดโมเดล KerasNLP เพิ่มประสิทธิภาพด้วยเทคนิคการหาปริมาณ และปรับใช้กับแอปสาธิต Android ที่สามารถเรียกใช้ TFLite LLM ที่เข้ากันได้ ดูตัวอย่าง ทำให้แนวคิด ML เป็นจริงโดยใช้ Visual Blocks Visual Blocks เป็นเฟรมเวิร์กการเขียนโปรแกรมกราฟิกใหม่สำหรับการสร้างต้นแบบและการทดลองอย่างรวดเร็ว ใช้บล็อกการสร้างแมชชีนเลิร์นนิงอันทรงพลัง เช่น PaLM 2 ทำซ้ำภายในอินเทอร์เฟซแบบภาพ และปรับใช้ได้อย่างง่ายดาย ลองใช้บล็อกภาพ ขยายการเข้าถึงเทคโนโลยีอัลตราซาวนด์ด้วย TensorFlow Lite อ่านวิธีที่ทีม Health AI ของ Google ทำงานเพื่อขยายการเข้าถึงการดูแลสุขภาพมารดาทั่วโลกโดยการสร้างระบบอัลตราซาวนด์ของทารกในครรภ์ที่เพิ่มประสิทธิภาพบนมือถือโดยใช้ TensorFlow Lite สำหรับการอนุมานบนอุปกรณ์ อ่านบล็อก แสดงภาพและตีความแผนผังการตัดสินใจด้วย dtreeviz ใช้ไลบรารี dtreeviz กับ TensorFlow Decision Forests เพื่อให้เห็นภาพว่าแต่ละโหนดการตัดสินใจในแผนผังแบ่งโดเมนของฟีเจอร์เฉพาะอย่างไร และแสดงการกระจายของอินสแตนซ์การฝึกอบรมในการทำนายแต่ละรายการ อ่านบล็อก ลองใน Colab เพิ่มระบบการแนะนำด้วย LLM ที่ล้ำสมัย สำรวจวิธีที่คุณสามารถใช้ PaLM API เพื่อสร้างคำแนะนำในแอปพลิเคชันแชท สร้างและจัดเรียงคำแนะนำ ใช้การฝังเพื่อดึงข้อมูลผู้สมัครที่ไม่รู้จัก และอื่นๆ อีกมากมาย อ่านบล็อก การเปลี่ยนจากวิศวกรรมซอฟต์แวร์มาเป็นวิศวกรรม ML อะไรคือความแตกต่างทางความคิดที่สำคัญระหว่าง Machine Learning Engineering (MLE) และ Software Engineering (SWE) ค้นหาว่าวันทำงานโดยทั่วไปมีลักษณะอย่างไรสำหรับแต่ละบทบาท ความซับซ้อน และความแตกต่างจากการวางแผนไปจนถึงการกำหนดความสำเร็จ ดูวิดีโอ เชื่อมต่ออยู่เสมอ © 2023 Google LLC 1600 Amphitheatre Parkway, เมาน์เทนวิว, แคลิฟอร์เนีย 94043

-

สำรวจเครื่องมือใหม่ๆ ใช้ LLM ในแอปพลิเคชันในโลกแห่งความเป็นจริง และอื่นๆ อีกมากมาย

เรียนรู้ว่า Keras ทำให้การเรียนรู้เชิงลึกเป็นเรื่องง่ายได้อย่างไร สำรวจส่วนประกอบของ Keras API ซึ่งมีอินเทอร์เฟซที่เข้าถึงได้สำหรับการแก้ปัญหาแมชชีนเลิร์นนิงด้วย TensorFlow ดูคู่มือนักพัฒนา สร้างแอป Android เติมข้อความอัตโนมัติด้วย KerasNLP และ TensorFlow Lite โมเดลภาษาขนาดใหญ่ (LLM) ได้รับการฝึกฝนเพื่อสร้างข้อความตามชุดข้อมูลขนาดใหญ่ เรียนรู้วิธีโหลดโมเดล KerasNLP เพิ่มประสิทธิภาพด้วยเทคนิคการหาปริมาณ และปรับใช้กับแอปสาธิต Android ที่สามารถเรียกใช้ TFLite LLM ที่เข้ากันได้ ดูตัวอย่าง ทำให้แนวคิด ML เป็นจริงโดยใช้ Visual Blocks Visual Blocks คือเฟรมเวิร์กการเขียนโปรแกรมกราฟิกใหม่สำหรับการสร้างต้นแบบและการทดลองอย่างรวดเร็ว ใช้บล็อกการสร้างแมชชีนเลิร์นนิงอันทรงพลัง เช่น PaLM 2 ทำซ้ำภายในอินเทอร์เฟซแบบภาพ และปรับใช้ได้อย่างง่ายดาย ลองใช้บล็อกภาพ ขยายการเข้าถึงเทคโนโลยีอัลตราซาวนด์ด้วย TensorFlow Lite อ่านวิธีที่ทีม Health AI ของ Google ทำงานเพื่อขยายการเข้าถึงการดูแลสุขภาพมารดาทั่วโลกโดยการสร้างระบบอัลตราซาวนด์ของทารกในครรภ์ที่เพิ่มประสิทธิภาพบนมือถือโดยใช้ TensorFlow Lite สำหรับการอนุมานบนอุปกรณ์ อ่านบล็อก แสดงภาพและตีความแผนผังการตัดสินใจด้วย dtreeviz ใช้ไลบรารี dtreeviz กับ TensorFlow Decision Forests เพื่อให้เห็นภาพว่าแต่ละโหนดการตัดสินใจในแผนผังแบ่งโดเมนของฟีเจอร์เฉพาะอย่างไร และแสดงการกระจายของอินสแตนซ์การฝึกอบรมในการทำนายแต่ละรายการ อ่านบล็อก ลองใน Colab เพิ่มระบบการแนะนำด้วย LLM ที่ล้ำสมัย สำรวจวิธีที่คุณสามารถใช้ PaLM API เพื่อสร้างคำแนะนำในแอปพลิเคชันแชท สร้างและจัดเรียงคำแนะนำ ใช้การฝังเพื่อดึงข้อมูลผู้สมัครที่ไม่รู้จัก และอื่นๆ อีกมากมาย อ่านบล็อก การเปลี่ยนจากวิศวกรรมซอฟต์แวร์มาเป็นวิศวกรรม ML อะไรคือความแตกต่างทางความคิดที่สำคัญระหว่าง Machine Learning Engineering (MLE) และ Software Engineering (SWE) ค้นหาว่าวันทำงานโดยทั่วไปมีลักษณะอย่างไรสำหรับแต่ละบทบาท ความซับซ้อน และความแตกต่างจากการวางแผนไปจนถึงการกำหนดความสำเร็จ ดูวิดีโอ เชื่อมต่ออยู่เสมอ © 2023 Google LLC 1600 Amphitheatre Parkway, เมาน์เทนวิว, แคลิฟอร์เนีย 94043

-

สำรวจเครื่องมือใหม่ๆ ใช้ LLM ในแอปพลิเคชันในโลกแห่งความเป็นจริง และอื่นๆ อีกมากมาย

เรียนรู้ว่า Keras ทำให้การเรียนรู้เชิงลึกเป็นเรื่องง่ายได้อย่างไร สำรวจส่วนประกอบของ Keras API ซึ่งมีอินเทอร์เฟซที่เข้าถึงได้สำหรับการแก้ปัญหาแมชชีนเลิร์นนิงด้วย TensorFlow ดูคู่มือนักพัฒนา สร้างแอป Android เติมข้อความอัตโนมัติด้วย KerasNLP และ TensorFlow Lite โมเดลภาษาขนาดใหญ่ (LLM) ได้รับการฝึกฝนเพื่อสร้างข้อความตามชุดข้อมูลขนาดใหญ่ เรียนรู้วิธีโหลดโมเดล KerasNLP เพิ่มประสิทธิภาพด้วยเทคนิคการหาปริมาณ และปรับใช้กับแอปสาธิต Android ที่สามารถเรียกใช้ TFLite LLM ที่เข้ากันได้ ดูตัวอย่าง ทำให้แนวคิด ML เป็นจริงโดยใช้ Visual Blocks Visual Blocks เป็นเฟรมเวิร์กการเขียนโปรแกรมกราฟิกใหม่สำหรับการสร้างต้นแบบและการทดลองอย่างรวดเร็ว ใช้บล็อกการสร้างแมชชีนเลิร์นนิงอันทรงพลัง เช่น PaLM 2 ทำซ้ำภายในอินเทอร์เฟซแบบภาพ และปรับใช้ได้อย่างง่ายดาย ลองใช้บล็อกภาพ ขยายการเข้าถึงเทคโนโลยีอัลตราซาวนด์ด้วย TensorFlow Lite อ่านวิธีที่ทีม Health AI ของ Google ทำงานเพื่อขยายการเข้าถึงการดูแลสุขภาพมารดาทั่วโลกโดยการสร้างระบบอัลตราซาวนด์ของทารกในครรภ์ที่เพิ่มประสิทธิภาพบนมือถือโดยใช้ TensorFlow Lite สำหรับการอนุมานบนอุปกรณ์ อ่านบล็อก แสดงภาพและตีความแผนผังการตัดสินใจด้วย dtreeviz ใช้ไลบรารี dtreeviz กับ TensorFlow Decision Forests เพื่อให้เห็นภาพว่าแต่ละโหนดการตัดสินใจในแผนผังแบ่งโดเมนของฟีเจอร์เฉพาะอย่างไร และแสดงการกระจายของอินสแตนซ์การฝึกอบรมในการทำนายแต่ละรายการ อ่านบล็อก ลองใน Colab เพิ่มระบบการแนะนำด้วย LLM ที่ล้ำสมัย สำรวจวิธีที่คุณสามารถใช้ PaLM API เพื่อสร้างคำแนะนำในแอปพลิเคชันแชท สร้างและจัดเรียงคำแนะนำ ใช้การฝังเพื่อดึงข้อมูลผู้สมัครที่ไม่รู้จัก และอื่นๆ อีกมากมาย อ่านบล็อก การเปลี่ยนจากวิศวกรรมซอฟต์แวร์มาเป็นวิศวกรรม ML อะไรคือความแตกต่างทางความคิดที่สำคัญระหว่าง Machine Learning Engineering (MLE) และ Software Engineering (SWE) ค้นหาว่าวันทำงานโดยทั่วไปมีลักษณะอย่างไรสำหรับแต่ละบทบาท ความซับซ้อน และความแตกต่างจากการวางแผนไปจนถึงการกำหนดความสำเร็จ ดูวิดีโอ เชื่อมต่ออยู่เสมอ © 2023 Google LLC 1600 Amphitheatre Parkway, เมาน์เทนวิว, แคลิฟอร์เนีย 94043