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.
Interested in utilizing ML in your own business? Connect with one of our AI Service Partners to learn more.

所有個案研究與提及產品的文章

Airbnb 的工程和數據資料學團隊使用了 TensorFlow 來應用機器學習,大規模將圖片分類並偵測物件,以協助改善顧客體驗。

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 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 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 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,供即時嵌入式裝置使用。

「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。

隨著人工智慧持續進展與 TensorFlow 愈趨成熟,可口可樂公司終於找到長久以來尋求的解決方案,能順暢地驗證購買記錄。

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。

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。

這使得效能提升了高達 2.8 倍,TensorFlow 社群以及在 Intel 平台上使用 TensorFlow 的眾多客戶也因此獲益

Kakao Mobility 使用 TensorFlow 和 TensorFlow Serving,在依據乘車服務要求派遣駕駛時,預測行程完成率。

Lenovo LiCO 平台使用了 TensorFlow 進行整合和最佳化,加速了 AI 訓練和傳統高效能運算,並使深度學習訓練最佳化。LiCO 提供了各種內建的 TensorFlow 模型,還可以對這些模型進行最佳化的分散式訓練。

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,協助該團隊打造出英文教學應用程式。

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 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。

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 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、玻璃體疣和黃斑部水腫。進行區隔後,Sinovation Ventures 在影像上提供了可能的病灶範圍。

Swisscom 利用 TensorFlow 得以大幅自訂機器學習模型的功能,將文字分類,並在接到客戶來電時用以判斷對方意圖。

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。


VSCO 使用了 TensorFlow Lite 來開發「For This Photo」功能。這項功能使用了裝置端的機器學習,來辨識使用者正在編輯的是哪一類的相片,然後從收錄的清單中建議相關的預設設定。
