Pelajari bagaimana TensorFlow memecahkan masalah pembelajaran mesin sehari-hari yang nyata

Tim teknik dan ilmu data Airbnb menerapkan pembelajaran mesin menggunakan TensorFlow untuk mengklasifikasikan gambar dan mendeteksi objek dalam skala besar, membantu meningkatkan pengalaman tamu.

ML membantu memantau perubahan pada permukaan bumi untuk perencanaan kota, memerangi konstruksi ilegal dan memetakan kerusakan serta perubahan lanskap yang disebabkan oleh bencana alam.

Arm NN untuk Android Neural Networks API (NNAPI) menyediakan Hardware Abstraction Layer (HAL) yang menargetkan GPU Arm Mali dan menghasilkan lebih dari 4x peningkatan kinerja ke framework machine learning seperti TensorFlow Lite.

Carousell membuat model pembelajaran mesin dengan gambar yang dalam dan pemahaman bahasa yang alami menggunakan TensorFlow di Google Cloud ML. Penjual mendapat manfaat dari pengalaman pengeposan yang disederhanakan dengan pengenalan gambar, dan pembeli menemukan daftar yang lebih relevan melalui rekomendasi dan penelusuran gambar.

Prosesor CEVA NeuPro dan CEVA-XM AI untuk Deep Learning dan inferensi AI di edge secara otomatis mengonversi jaringan terlatih TensorFlow untuk digunakan dalam perangkat tertanam real-time menggunakan CEVA CDNN Compiler.

China Mobile telah membuat sistem pembelajaran mendalam menggunakan TensorFlow yang dapat secara otomatis memprediksi batas waktu jeda, memverifikasi log operasi, dan mendeteksi anomali jaringan. Ini telah berhasil mendukung relokasi terbesar di dunia dari ratusan juta nomor HSS IoT.

Kemajuan dalam kecerdasan buatan dan kematangan TensorFlow memungkinkan Coca-Cola Company mencapai kemampuan bukti pembelian tanpa hambatan yang telah lama dicari untuk program loyalitas mereka.

Menggunakan TensorFlow, GE Healthcare melatih jaringan saraf untuk mengidentifikasi anatomi tertentu selama ujian pencitraan resonansi magnetik otak (MRI) untuk membantu meningkatkan kecepatan dan keandalan.

Google menggunakan TensorFlow untuk mendukung implementasi ML dalam produk seperti Penelusuran, Gmail, dan Terjemahan, untuk membantu peneliti dalam penemuan baru, dan bahkan menempa kemajuan dalam tantangan kemanusiaan dan lingkungan.

InSpace menggunakan TensorFlow.js untuk mendeteksi komentar beracun bahkan sebelum dikirim dengan melakukan semua sisi klien inferensi di browser, menghilangkan kebutuhan untuk mengirim teks ke server pihak ketiga untuk klasifikasi.

Kemitraan Intel dengan Google telah menghasilkan peningkatan kinerja inferensi hingga 2,8x di berbagai model untuk memberi manfaat bagi berbagai pelanggan yang menjalankan TensorFlow pada platform Intel.

Kakao Mobility menggunakan TensorFlow dan TensorFlow Serving untuk memprediksi kemungkinan tingkat penyelesaian perjalanan saat pengemudi dikirim untuk memenuhi permintaan pemesanan kendaraan.

Platform Lenovo LiCO mempercepat pelatihan AI dan Komputasi Kinerja Tinggi tradisional, serta mengoptimalkan pelatihan pembelajaran mendalam dengan integrasi dan pengoptimalan TensorFlow. LiCO menyediakan berbagai model TensorFlow bawaan dan mendukung pelatihan terdistribusi yang dioptimalkan untuk model ini.

Tim algoritme Liulishuo pertama kali menerapkan TensorFlow ke proyek pembelajaran mesin internal pada awal 2016. Kerangka kerja pembelajaran mesin yang mudah digunakan ini membantu tim membangun aplikasi untuk mengajar bahasa Inggris.

ModiFace memanfaatkan model TensorFlow.js FaceMesh untuk mengidentifikasi fitur wajah utama dan menggabungkannya dengan shader WebGL, memungkinkan pengguna mencoba riasan digital untuk produk merek L'Oreal sambil menjaga privasi. Pengalaman langsung berjalan sepenuhnya di browser, jadi tidak ada data pengguna yang pernah dikirim ke server untuk diproses.

Menggunakan TensorFlow NAVER Shopping secara otomatis mencocokkan lebih dari 20 juta produk yang baru didaftarkan setiap hari ke sekitar 5.000 kategori untuk mengatur produk secara sistematis dan memudahkan pencarian pengguna.

NERSC dan NVIDIA berhasil menskalakan aplikasi pembelajaran mendalam ilmiah ke 27.000+ GPU Nvidia V100 Tensor Core, memecahkan hambatan ExaFLOP dalam prosesnya.

OpenX mengintegrasikan TFX dan Google Cloud Platform dalam pertukaran iklan mereka untuk memproses lebih dari satu juta permintaan setiap detik dan memberikan tanggapan dalam waktu kurang dari 15 milidetik.

Dengan menggunakan TensorFlow, pembelajaran transfer mendalam, dan pemodelan generatif, PayPal mampu mengenali pola penipuan yang bervariasi secara temporer yang kompleks untuk meningkatkan akurasi penurunan penipuan sekaligus meningkatkan pengalaman pengguna yang sah melalui peningkatan presisi dalam identifikasi.

Qualcomm mengoptimalkan dan mempercepat model TensorFlow dan TensorFlow Lite pada platform seluler Snapdragon, dan di seluruh portofolio chipset yang dirancang untuk IoT, komputasi, XR, dan otomotif.

Klasifikasi dan segmentasi penyakit dilakukan pada gambar OCT retina menggunakan TensorFlow. Ketiga jenis penyakit tersebut diklasifikasikan sebagai neovaskularisasi koroid, kutil vitreus, atau edema retina diabetik. Setelah segmentasi, Sinovation Ventures memberikan batas lesi yang dicurigai dalam pencitraan.

Spotify memanfaatkan pipeline TFX dan Kubeflow dalam sistem Paved Road for ML-nya, serangkaian produk dan konfigurasi untuk menerapkan solusi machine learning end-to-end yang ditargetkan untuk tim yang memulai perjalanan ML mereka.

Swisscom memanfaatkan kapasitas TensorFlow untuk model pembelajaran mesin yang sangat disesuaikan untuk mengklasifikasikan teks dan menentukan maksud pelanggan mereka setelah menerima pertanyaan mereka.

SDK Prosesor mengoptimalkan model TensorFlow Lite, memindahkan inferensi CNN/DNN dari inti Arm® komputasi umum ke akselerator perangkat keras yang dibuat khusus, yang meningkatkan kemampuan pembelajaran mesin dalam visi mesin, robotika, ADAS otomotif, dan banyak aplikasi lainnya.

Twitter menggunakan TensorFlow untuk membangun "Ranked Timeline" mereka, yang memungkinkan pengguna memastikan bahwa mereka tidak melewatkan tweet terpenting mereka bahkan jika mereka mengikuti ribuan pengguna.

VSCO menggunakan TensorFlow Lite untuk mengembangkan fitur "Untuk Foto Ini", yang menggunakan pembelajaran mesin di perangkat untuk mengidentifikasi jenis foto yang sedang diedit seseorang dan kemudian menyarankan prasetel yang relevan dari daftar pilihan.

WPS Office mengimplementasikan beberapa skenario bisnis, seperti pengenalan gambar di perangkat dan OCR gambar berdasarkan TensorFlow.