Saiba como o TensorFlow resolve problemas de machine learning reais e cotidianos

A equipe de engenharia e ciência de dados da Airbnb usa machine learning com o TensorFlow para classificar imagens e detectar objetos de maneira dimensionada, o que ajuda a melhorar a experiência dos hóspedes.

ML ajuda a monitorar mudanças na superfície da Terra para planejamento urbano e combate a construções ilegais, bem como para mapear danos e mudanças no terreno causados por desastres naturais.

O Arm NN para a API Android Neural Networks (NNAPI) oferece uma camada de abstração de hardware (HAL, na sigla em inglês) direcionada a GPUs Arm Mali. Ele melhora o desempenho de frameworks de machine learning como o TensorFlow Lite em mais de quatro vezes.

A Carousell cria modelos de machine learning com imagens profundas e processamento de linguagem natural com o TensorFlow no ML do Google Cloud. Os vendedores se beneficiam de uma experiência simplificada de postagem com reconhecimento de imagens, e os compradores encontram informações mais relevantes por recomendações e pesquisa de imagens.

Os processadores de IA CEVA-XM e NeuPro da CEVA para aprendizado profundo e inferência de IA convertem automaticamente redes treinadas pelo TensorFlow para que sejam usadas em tempo real em dispositivos incorporados com o compilador CEVA CDNN.

A China Mobile criou um sistema de aprendizado profundo que usa o TensorFlow para prever automaticamente o período de transição, verificar os registros de operações e detectar anomalias na rede. Isso possibilitou a maior realocação do mundo de centenas de milhões de números HSS da Internet das Coisas (IoT).

Os avanços em inteligência artificial e a maturidade do TensorFlow permitiram que a Coca-Cola Company alcançasse uma funcionalidade de comprovação de compra simplificada para o próprio programa de fidelidade.

Com o TensorFlow, a GE Healthcare treina uma rede neural para identificar elementos anatômicos específicos em exames de ressonância magnética do cérebro, o que aumenta a velocidade e a confiabilidade.

O Google usa o TensorFlow para implementar ML em produtos (como a Pesquisa, o Gmail e o Tradutor), para auxiliar pesquisadores em novas descobertas e até mesmo para possibilitar avanços para enfrentar desafios humanitários e ambientais.

O InSpace usa o TensorFlow.js para detectar comentários abusivos antes mesmo de eles serem enviados, realizando toda a inferência no lado do cliente no navegador e removendo a necessidade de enviar texto para um servidor de terceiros para classificação.

A parceria da Intel com o Google resultou em uma melhoria de 2,8 vezes no desempenho de inferência de vários modelos, beneficiando muitos consumidores que usam o TensorFlow nas plataformas da Intel.

A Kakao Mobility usa o TensorFlow e o TensorFlow Serving para prever a probabilidade da taxa de conclusão de viagens quando motoristas são enviados para atender solicitações.

A plataforma Lenovo LiCO acelera o treinamento de IA e a computação de alto desempenho tradicional. Além disso, otimiza o treinamento de aprendizado profundo pela integração com o TensorFlow. O LiCO fornece diversos modelos integrados ao TensorFlow e é compatível com o treinamento distribuído otimizado deles.

A equipe de algoritmo da Liulishuo usou o TensorFlow no projeto interno de machine learning da empresa pela primeira vez no começo de 2016. Esse framework de machine learning fácil de usar ajudou a equipe a criar um aplicativo que ensina inglês.

O ModiFace aproveita o modelo FaceMesh do TensorFlow.js para identificar elementos faciais-chave e combiná-los com sombreadores WebGL, permitindo que os usuários experimentem digitalmente produtos de maquiagem da marca L'Oreal com privacidade. Essa experiência em tempo real é realizada por completo em um navegador, então nenhum dado do usuário é enviado para processamento em servidores.

Com o TensorFlow, a NAVER Shopping faz a correspondência automática entre mais de 20 milhões de novos produtos registrados por dia e cerca de 5 mil categorias. Assim, a empresa organiza os produtos e facilita a pesquisa dos usuários.

A NERSC e a NVIDIA conseguiram dimensionar uma aplicação científica de aprendizado profundo para mais de 27 mil GPUs Nvidia V100 Tensor Core. No processo, elas quebraram a barreira do ExaFLOP.

O OpenX integra o TFX e o Google Cloud Platform na troca de anúncios para processar mais de um milhão de solicitações por segundo e veicular respostas em menos de 15 milissegundos.

Com o TensorFlow, aprendizado profundo por transferência e modelagem generativa, a PayPal conseguiu reconhecer padrões fraudulentos complexos que mudavam com o tempo. Assim, aumentou a acurácia da detecção de fraudes e melhorou a experiência de usuários legítimos, já que a identificação ficou mais precisa.

A Qualcomm otimiza e acelera modelos do TensorFlow e do TensorFlow Lite nas plataformas para dispositivos móveis Snapdragon e no portfólio de chipsets criados para IoT, computação, XR e automóveis.

Classificação e segmentação de doenças em imagens de tomografia de retinas com o TensorFlow. Três tipos de doenças foram classificados: neovascularização da córnea, verrugas e edema macular diabético. Após a segmentação, a Sinovation Ventures determinou os limites das lesões suspeitas nos exames por imagem.

O Spotify aproveita as pipelines do TFX e do Kubeflow no Paved Road para sistemas ML, um conjunto de produtos e configurações para implantar uma solução de machine learning de ponta a ponta, voltada a equipes que estão começando a usar ML.

A Swisscom usa os recursos do TensorFlow para personalizar todos os detalhes de modelos de machine learning que classificam textos e determinam a intenção dos clientes ao receber dúvidas deles.

O SDK Processor otimiza modelos do TensorFlow Lite, descarregando a interferência de CNN/DNN dos núcleos de computação geral Arm® em aceleradores de hardware personalizados. Isso aprimora os recursos de machine learning em visão de máquina, robótica, ADAS automotivo e várias outras aplicações.

O Twitter usou o TensorFlow para classificar a "timeline", ajudando os usuários a não perder os tweets mais importantes mesmo seguindo milhares de pessoas.

O VSCO usou o TensorFlow Lite para desenvolver o recurso "For This Photo", que usa machine learning diretamente no dispositivo para identificar que tipo de fotografia é editada pelo usuário e sugerir predefinições relevantes em uma lista selecionada.

A WPS Office implementa diversos cenários de negócios, como reconhecimento de imagens no dispositivo e reconhecimento de caracteres de imagens com base no TensorFlow.