2023 年 6 月

探索新工具，在实际应用中使用 LLM，等等

了解 Keras 如何简化深度学习 探索 Keras API 的组件，它为使用 TensorFlow 解决机器学习问题提供了一个易于理解的界面。 查看开发者指南 使用 KerasNLP 和 TensorFlow Lite 创建自动完成 Android 应用 大型语言模型 (LLM) 经过训练，可以根据大型数据集生成文本。了解如何加载 KerasNLP 模型，使用量化技术对其进行优化，并将其部署到可以运行任何兼容的 TFLite LLM 的 Android 演示应用。 查看示例 使用 Visual Blocks 将机器学习创意变为现实 Visual Blocks 是一个用于快速原型设计和实验的新图形化编程框架。使用 PaLM 2 等强大的机器学习构建模块，在可视化界面中进行迭代，并轻松部署。 试用 Visual Blocks 利用 TensorFlow Lite 扩展超声波技术的使用 了解 Google 的健康 AI 团队如何通过使用 TensorFlow Lite 在设备上进行推理，构建移动优化胎儿超声系统，以扩大全球孕产妇保健的可及性。 阅读博客 使用 dtreeviz 可视化和解读决策树 将 dtreeviz 库与 TensorFlow 决策森林 结合使用，可视化树中的每个决策节点如何分割特定特征的域，并显示每个预测中训练实例的分布。 阅读博客 在 Colab 中试用 使用最先进的 LLM 增强推荐系统 探索如何使用 PaLM API 在聊天应用程序中创建推荐、生成和排序推荐、使用嵌入检索未知候选者，以及更多操作。 阅读博客 从软件工程过渡到机器学习工程 机器学习工程 (MLE) 和软件工程 (SWE) 之间有哪些关键的心态差异？了解每个角色的典型工作日、其复杂性，以及它们在规划到定义成功方面的不同之处。 观看视频 保持联系 © 2023 Google LLC 1600 Amphitheatre Parkway, Mountain View, CA 94043