Узнайте, как TensorFlow решает реальные повседневные задачи машинного обучения

Команда инженеров и специалистов по данным Airbnb применяет машинное обучение с помощью TensorFlow для классификации изображений и обнаружения объектов в масштабе, помогая улучшить качество обслуживания гостей.

ML помогает отслеживать изменения поверхности Земли для городского планирования, борьбы с незаконным строительством и картирования повреждений и изменений ландшафта, вызванных природными катастрофами.

Arm NN для Android Neural Networks API (NNAPI) предоставляет уровень аппаратной абстракции (HAL), который предназначен для графических процессоров Arm Mali и обеспечивает более чем 4-кратное повышение производительности для таких платформ машинного обучения, как TensorFlow Lite.

Carousell создает модели машинного обучения с глубоким пониманием изображений и естественного языка, используя TensorFlow в Google Cloud ML. Продавцы получают выгоду от упрощенной публикации с распознаванием изображений, а покупатели находят более релевантные списки с помощью рекомендаций и поиска изображений.

Процессоры искусственного интеллекта CEVA NeuPro и CEVA-XM для глубокого обучения и вывода ИИ на периферии автоматически преобразуют сети, обученные TensorFlow, для использования во встроенных устройствах реального времени с помощью компилятора CEVA CDNN.

China Mobile создала систему глубокого обучения с использованием TensorFlow, которая может автоматически прогнозировать временное окно переключения, проверять журналы операций и обнаруживать сетевые аномалии. Это уже успешно поддержало крупнейшее в мире перемещение сотен миллионов номеров IoT HSS.

Достижения в области искусственного интеллекта и зрелость TensorFlow позволили компании Coca-Cola добиться долгожданного беспрепятственного подтверждения покупки для своей программы лояльности.

Используя TensorFlow, GE Healthcare обучает нейронную сеть распознавать определенные анатомические структуры ��о время исследований с помощью магнитно-резонансной томографии (МРТ) головного мозга, чтобы повысить скорость и надежность.

Google использует TensorFlow для поддержки реализации машинного обучения в таких продуктах, как Search, Gmail и Translate, чтобы помочь исследователям в новых открытиях и даже добиться прогресса в решении гуманитарных и экологических проблем.

InSpace использует TensorFlow.js для обнаружения токсичных комментариев еще до их отправки, выполняя все выводы на стороне клиента в браузере, устраняя необходимость отправки текста на сторонний сервер для классификации.

Партнерство Intel с Google привело к повышению производительности логических выводов в 2,8 раза для разных моделей, что принесет пользу широкому кругу клиентов, использующих TensorFlow на платформах Intel.

Kakao Mobility использует TensorFlow и TensorFlow Serving для прогнозирования вероятности завершения поездки, когда водители направляются для выполнения запросов на вызов такси.

Платформа Lenovo LiCO ускоряет обучение ИИ и традиционные высокопроизводительные вычисления, а также оптимизирует обучение глубоко��у ��бучению ��а с��е�� ��нте��ра��ии и оптимизации TensorFlow. LiCO предоставляет различные встроенные модели TensorFlow и поддерживает оптимизированное распределенное обучение этих моделей.

Команда алгоритма Liulishuo впервые применила TensorFlow к своему внутреннему проекту машинного обучения в начале 2016 года. Эта простая в использовании структура машинного обучения помогла команде создать приложение для обучения английскому языку.

ModiFace использует модель FaceMesh TensorFlow.js для определения ключевых черт лица и объединения их с шейдерами WebGL, позволяя пользователям примерять косметику для продуктов бренда L'Oreal в цифровом виде, сохраняя при этом конфиденциальность. Живой опыт полностью работает в браузере, поэтому никакие пользовательские данные никогда не отправляются на сервер для обработки.

Использование TensorFlow NAVER Shopping автоматически сопоставляет более 20 миллионов новых зарегистрированных продуктов в день примерно с 5000 категориями, чтобы систематизировать продукты и упростить поиск для пользователей.

NERSC и NVIDIA удалось масштабировать научное приложение для глубокого обучения на более чем 27 000 графических процессоров Nvidia V100 с тензорными ядрами, преодолев барьер ExaFLOP в процессе.

OpenX интегрирует TFX и Google Cloud Platform в свою рекламную биржу, чтобы обрабатывать более миллиона запросов каждую секунду и обслуживать ответы менее чем за 15 миллисекунд.

Используя TensorFlow, глубокое обучение переносу и генеративное моделирование, PayPal смогла распознать сложные изменяющиеся во времени модели мошенничества, чтобы повысить точность отклонения от мошенничества, а также улучшить опыт законных пользователей за счет повышения точности идентификации.

Qualcomm оптимизирует и ускоряет модели TensorFlow и TensorFlow Lite на мобильных платформах Snapdragon, а также в портфелях наборов микросхем, предназначенных для Интернета вещей, вычислений, XR и автомобилей.

Классификация и сегментация заболеваний выполнялись на ОКТ-изображениях сетчатки с использованием TensorFlow. Три типа заболевания были классифицированы как хориоидальная неоваскуляризация, бородавки стекловидного тела или диабетический отек сетчатки. После сегментации Sinovation Ventures предоставила границы предпо��агаемых поражений на изображении.

Spotify использует конвейеры TFX и Kubeflow в своих системах Paved Road for ML — тщательно продуманном наборе продуктов и конфигураций для развертывания комплексного решения для машинного обучения, ориентированного на команды, начинающие свой путь в области машинного обучения.

Swisscom использует возможности TensorFlow для глубоко настраиваемых моделей машинного обучения для классификации текста и определения намерений своих клиентов при получении их запросов.

Пакет SDK для процессоров оптимизирует модели TensorFlow Lite, перенося вывод CNN/DNN с обычных вычислительных ядер Arm® на специально созданные аппаратные ускорители, что расширяет возможности машинного обучения в машинном зрении, робототехнике, автомобильных ADAS и многих других приложениях.

Twitter использовал TensorFlow для создания своей «ранжированной временной шкалы», позволяющей пользователям гарантировать, что они не пропустят свои самые важные твиты, даже если они подписаны на тысячи пользователей.

VSCO использовала TensorFlow Lite для разработки функции «Для этой фотографии», которая использует машинное обучение на устройстве, чтобы определить, какой тип фотографии кто-то редактирует, а затем предлагает соответству��щие пресеты ��з тщательно подобранного списка.

WPS Office реализует несколько бизнес-сценариев, таких как распознавание изображений на устройстве и оптическое распознавание изображений на основе TensorFlow.