瞭解 TensorFlow 如何解決實際的日常機器學習問題

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.

個案研究
Airbnb 運用 TensorFlow 大規模分類影像及偵測物件,改善了訪客體驗

Airbnb 的工程和數據資料學團隊透過 TensorFlow,利用機器學習執行大規模圖片分類和物件偵測,協助提升了房客體驗。

Airbus 使用 TensorFlow 從衛星影像擷取資訊,並為客戶提供有價值的分析資訊

機器學習可協助監控地球表面的變化,有助於都市規劃、對抗違建,以及界定自然災害所造成的損害範圍與地貌變化。

Arm 的硬體抽象層使 TensorFlow Lite 的效能提升超過 4 倍

Arm NN for Android Neural Networks API (NNAPI) 提供了針對 Arm Mali GPU 的硬體抽象層 (HAL),使 TensorFlow Lite 這類機器學習架構的效能提升超過 4 倍。

Carousell 使用 TensorFlow 改善了買賣雙方的體驗

Carousell 在 Google Cloud ML 引擎使用 TensorFlow,建構能辨識深度圖片和理解自然語言的機器學習模型。有了圖片辨識功能,賣家張貼商品的流程變得更簡單;另一方面,買家可透過推薦內容和圖片搜尋,發掘更多相關商品資訊。

CEVA 透過其深度學習處理器轉換 TensorFlow 所訓練的網路

CEVA 的 NeuPro 和 CEVA-XM AI 處理器適用於深度學習與 AI 邊緣推論,可透過 CEVA CDNN 編譯器自動轉換 TensorFlow 所訓練的網路,以在即時嵌入式裝置使用。

「中國移動」使用 TensorFlow 改善了自身網路元素系統截承的成功率

「中國移動」使用 TensorFlow 建立了深度學習系統,可自動預測系統截承的時間範圍、確認作業記錄,以及偵測網路的異常狀況。在這套系統的支援下,「中國移動」完成了世界上最大宗的 IoT HSS 號碼遷移作業,數量達到數億之多。

TensorFlow 讓可口可樂得以提供行動購買證明

隨著人工智慧持續進展與 TensorFlow 愈趨成熟,可口可樂公司終於取得渴望多時的解決方案,可以順利驗證會員方案的購買記錄。

GE 使用 TensorFlow 訓練類神經網路來辨識腦部磁振造影 (MRI) 的解剖圖

GE Healthcare 使用了 TensorFlow 訓練類神經網路,在進行腦部磁振造影 (MRI) 檢驗時辨識特定的解剖圖,以協助提升檢驗的速度和可靠性。

為了向每個人推廣機器學習,Google 打造了 TensorFlow

Google 運用 TensorFlow 在 Google 搜尋、Gmail 和 Google 翻譯等產品中實作機器學習,以協助研究人員發掘新知,甚至是在人道主義和環保議題方面取得進展。

InSpace 採用 TensorFlow.js 在線上即時通訊中即時過濾惡意訊息

InSpace 採用 TensorFlow.js 在瀏覽器中執行所有推論用戶端,不必傳送文字給第三方伺服器進行分類,就能在惡意留言傳送出去前就加以偵測。

Intel 將 Xeon® 可擴充處理器上的 TensorFlow 推論效能最佳化

Intel 與 Google 攜手合作後,將不同模型的推論效能提升了高達 2.8 倍,在 Intel 平台上執行 TensorFlow 的眾多客戶也因此獲益。

Kakao 使用 TensorFlow 預測叫車服務的行程完成率

Kakao Mobility 使用 TensorFlow 和 TensorFlow Serving,在回應叫車服務而調度司機時,預測行程完成率。

Lenovo Intelligent Computing Orchestration 使用 TensorFlow 來加速智慧革命

Lenovo LiCO 平台使用 TensorFlow 進行整合和最佳化,加速 AI 訓練和傳統高效能運算,並優化深度學習訓練。LiCO 提供各種內建的 TensorFlow 模型,並協助將這些模型的分散式訓練最佳化。

「流利說」使用 TensorFlow 來協助教授新語言

2016 年年初,「流利說」演算法團隊率先將 TensorFlow 應用在內部機器學習專案上。這個易於使用的機器學習架構,協助該團隊建構出英文教學應用程式。

Modiface 於生產環境中運用 TensorFlow.js,在瀏覽器中提供 AR 試妝功能

ModiFace 利用 TensorFlow.js FaceMesh 模型找出關鍵臉部特徵並與 WebGL 著色器結合,讓使用者透過數位方式試用 L’Oreal 品牌的化妝品,同時保障隱私。這項即時體驗完全在瀏覽器中運作,因此絕不會將使用者資料傳送給伺服器處理。

NAVER Shopping 使用 TensorFlow 自動進行產品分類

使用 TensorFlow NAVER Shopping 自動比對每天超過 2 千萬個新近註冊產品,並將其分類成大約 5,000 個類別,以將產品進行系統化整理,便利使用者搜尋。

NERSC 使用 TensorFlow,將科學用深度學習應用程式擴充成超過 27,000 個 Nvidia V100 Tensor Core GPU

NERSC 和 NVIDIA 成功將科學用深度學習應用程式擴充成超過 27,000 個 Nvidia V100 Tensor Core GPU,在此過程中突破了 ExaFLOP 的瓶頸。

OpenX 使用 TFX 針對大量廣告請求排定優先處理順序

OpenX 在自家廣告交易平台中整合了 TFX 和 Google Cloud Platform,每秒可處理超過 100 萬個廣告請求,並在不到 15 毫秒內就送出回應。

PayPal 運用 TensorFlow,掌握詐欺偵測科技的最新潮流

借助 TensorFlow、深度遷移學習和生成模型,PayPal 已能夠辨識會隨著時間變化的複雜詐欺模式,增加識破詐欺的準確度,同時藉由提升識別精確度,改善合法使用者的體驗。

Qualcomm 讓 TensorFlow 模型在 Snapdragon 行動裝置平台等處執行更快速

Qualcomm 讓 TensorFlow 和 TensorFlow Lite 模型在 Snapdragon 行動裝置平台,以及為 IoT、運算、XR 和汽車業而設計的各種晶片組組合上,達到效能最佳化且執行更快速。

使用 TensorFlow 在視網膜的 OCT 影像上偵測疾病

使用 TensorFlow 在視網膜的 OCT 影像上進行疾病分類和區隔。三種疾病類型分別是脈絡膜新生血管生成、玻璃體疣和糖尿病視網膜水腫。進行區隔後,Sinovation Ventures 在影像上提供了可能的病灶範圍。

Spotify 使用 TFX 為使用者提供個人化建議

Spotify 在其「為機器學習鋪路」(Paved Road for ML) 系統中利用 TFX 和 Kubeflow 管線;這類系統是一組用來部署端對端機器學習解決方案的產品和設定,引導剛開始接觸機器學習的團隊,依循開發者的理念使用產品。

Swisscom 使用自訂的 TensorFlow 模型將客戶服務營運最佳化

Swisscom 利用 TensorFlow 大幅自訂機器學習模型以分類文字,並在收到客戶查詢時用以判斷對方意圖。

Texas Instruments 處理器 SDK 整合了 TensorFlow Lite,以在邊緣進行機器學習推論

Processor SDK 可以最佳化 TensorFlow Lite 模型,將一般運算 Arm® 核心的 CNN/DNN 推論工作轉移到專門為此設計的硬體加速器,以強化機器視覺、機器人工學、汽車 ADAS 和許多其他應用中的機器學習能力。

使用 TensorFlow 來排名 Tweet

Twitter 使用 TensorFlow 打造「排名時間軸」,使用者追蹤對象即使達數千之譜,也可確保不會錯過最重要的 Tweet。

圖片的建議預設篩選條件:在 VSCO 打造「For This Photo」功能

VSCO 使用 TensorFlow Lite 開發「For This Photo」功能。這項功能使用裝置端的機器學習辨識使用者正在編輯的相片類別,然後從收錄清單中建議相關的預設設定。

WPS Office:運用 TensorFlow 的智慧辦公室

WPS Office 根據 TensorFlow,實作了多項商業案例,例如裝置端的圖片辨識和影像光學字元辨識 (OCR)。