El equipo de ingeniería y de ciencia de datos de Airbnb aplica el aprendizaje automático con TensorFlow para clasificar imágenes y detectar objetos a gran escala, lo que ayuda a mejorar la experiencia de los huéspedes.

El AA ayuda a supervisar los cambios en la superficie terrestre para el planeamiento urbano, la lucha contra la construcción ilegal, y el mapeo del daño y los cambios en el paisaje que provocan las catástrofes naturales.

Arm NN para la API de Neural Networks de Android (NNAPI) ofrece una capa de abstracción de hardware (HAL) orientada a las GPU Mali de Arm y lleva a una mejora de más de 4 veces en el rendimiento de los frameworks de aprendizaje automático, como TensorFlow Lite.

Carousell compila modelos de aprendizaje automático con la comprensión profunda del lenguaje natural y de imágenes mediante TensorFlow en el AA de Google Cloud. Los vendedores se benefician de una experiencia simplificada de publicación con reconocimiento de imágenes, y los compradores descubren fichas más relevantes mediante recomendaciones y búsqueda de imágenes.

Los procesadores para el aprendizaje profundo y la inferencia de IA en el perímetro NeuPro y CEVA-XM de CEVA convierten automáticamente las redes entrenadas de TensorFlow para que se usen en dispositivos incorporados en tiempo real con el compilador CDNN de CEVA.

China Mobile creó un sistema de aprendizaje profundo con TensorFlow. Este sistema puede predecir en forma automática el período de migración de sistemas, verificar registros de operaciones y detectar anomalías en la red. Esto posibilitó que se realizara con éxito la reubicación más grande del mundo de cientos de millones de números HSS de IoT.

Los avances en la inteligencia artificial y la madurez de TensorFlow permitieron que la empresa Coca-Cola finalmente lograra desarrollar la capacidad de reconocer comprobantes de compra que hace mucho tiempo intentaba conseguir.

Con TensorFlow, GE Healthcare está entrenando una red neuronal para identificar anatomía específica durante los estudios realizados mediante resonancias magnéticas (MRI) del cerebro con el fin de mejorar la velocidad y la confiabilidad.

Google usa TensorFlow para potenciar las implementaciones de AA en productos como Búsqueda, Gmail y Traductor, a fin de asistir a los investigadores en los nuevos descubrimientos e impulsar avances en los desafíos humanitarios y medioambientales.

Este trabajo logró que el rendimiento sea 2.8 veces mejor, lo que beneficia a la comunidad de TensorFlow y a una gran cantidad de clientes que usan TensorFlow en plataformas Intel

Kakao Mobility usa TensorFlow y TensorFlow Serving para predecir la probabilidad del porcentaje de respuesta de viajes cuando enviamos a los conductores a realizar viajes a pedido.

La plataforma Lenovo LiCO acelera el entrenamiento en IA y la computación de alto rendimiento tradicional, y, además, optimiza el entrenamiento en el aprendizaje profundo con la integración y la optimización de TensorFlow. LiCO cuenta con varios modelos de TensorFlow integrados y admite el entrenamiento distribuido optimizado de esos modelos.

El equipo de algoritmos de Liulishuo implementó TensorFlow por primera vez en su proyecto interno de aprendizaje automático a comienzos de 2016. Este framework de aprendizaje automático fácil de usar ayudó a que el equipo creara una aplicación para enseñar inglés.

Con TensorFlow, NAVER Shopping vincula en forma automática más de 20 millones de productos recién registrados por día con alrededor de 5,000 categorías para organizar los productos de manera sistemática y permitir que la búsqueda sea más fácil para los usuarios.

NERSC y NVIDIA lograron escalar una aplicación científica de aprendizaje profundo a más de 27,000 GPU Nvidia V100 Tensor Core, con lo que superaron la barrera de ExaFLOP en el proceso.

Con TensorFlow, el aprendizaje por transferencia profundo y el modelado generativo, PayPal logró reconocer patrones de fraudes complejos que varían temporalmente para aumentar la exactitud en el rechazo de los fraudes y, al mismo tiempo, mejorar la experiencia de los usuarios legítimos mediante el aumento de la precisión en la identificación.

Qualcomm optimiza y acelera los modelos de TensorFlow y TensorFlow Lite en las plataformas para dispositivos móviles Snapdragon, y en las carteras de chipsets que se dieseñaron para IoT, la informática, la realidad extendida y la industria automotriz.

Se clasificaron y segmentaron enfermedades a partir de imágenes por tomografía de coherencia óptica (OCT) de retina mediante TensorFlow. Los tres tipos de enfermedades se clasificaron como neovascularización coroidea, irregularidades en el humor vítreo o edema macular diabético. Luego de la segmentación, Sinovation Ventures definió las lesiones sospechadas que se encontraban en las imágenes.

Swisscom aprovecha la capacidad de TensorFlow para personalizar en gran medida los modelos de aprendizaje automático a fin de clasificar texto y determinar el propósito de los clientes que realizan llamadas.

Processor SDK optimiza los modelos de TensorFlow Lite, ya que descarga la inferencia CNN/DNN de los núcleos Arm® para cálculos generales a aceleradores de hardware para propósitos específicos, lo que mejora las capacidades de aprendizaje automático en la visión artificial, la robótica, los sistemas avanzados de asistencia al conductor y muchas otras aplicaciones.

Twitter usó TensorFlow para construir su "Línea de tiempo", que permite que los usuarios se aseguren de no perderse los tuits más importantes, incluso si siguen a miles de usuarios.

VSCO usó TensorFlow Lite para desarrollar la función "For This Photo", que emplea el aprendizaje automático en el dispositivo para identificar qué clase de foto se está editando y luego sugerir ajustes predeterminados relevantes de una lista seleccionada.

WPS Office implementa múltiples situaciones empresariales, como el reconocimiento de imágenes en el dispositivo y el reconocimiento óptico de caracteres (OCR) en imágenes con tecnología de TensorFlow.