Saiba como o TensorFlow resolve problemas de machine learning reais e cotidianos
Explore how various companies from a wide variety of industries implement ML to solve their biggest problems. From healthcare to social networks and even ecommerce, ML can be integrated into your industry and company.
Interested in utilizing ML in your own business? Connect with one of our AI Service Partners to learn more.

Todos os estudos de caso e menções

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 meio de 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 operations e detectar anomalias na rede. Isso possibilitou a maior realocação do mundo de centenas de milhões de números HSS da Internet das Coisas (IoT na sigla em inglês).

Avanços em inteligência artificial e a maturidade do TensorFlow permitiram que a Coca-Cola Company finalmente conseguisse alcançar uma capacidade de comprovar as contas da empresa de maneira simplificada.

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.

Este trabalho resultou em uma melhoria de desempenho de 2,8 vezes, o que beneficia a comunidade do TensorFlow e diversos clientes que o usam em plataformas da Intel.

A Kakao Mobility usa o TensorFlow e o TensorFlow Serving para prever a probabilidade da taxa de conclusão de viagens ao enviar motoristas para atender pedidos.

A plataforma Lenovo LiCO acelera o treinamento de IA e a computação de alto desempenho tradicional. Além disso, otimiza o treinamento de aprendizado profundo por meio da 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 aplicou o TensorFlow ao 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.

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. Nesse processo, elas quebraram a barreira do ExaFLOP.

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.

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 ligações 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 que sigam 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.