L’apprendimento automatico sta diventando più veloce e più accessibile. I nostri clienti utilizzano immensi set di dati per costruire città intelligenti, produrre auto intelligenti e fornire cure mediche personalizzate… ed è solo l'inizio.
Scienziati dei dati, sviluppatori e ricercatori usano l'apprendimento automatico per acquisire informazioni precedentemente al di fuori della loro portata. I programmi che apprendono dall'esperienza consentono loro di scoprire come funziona il genoma umano, comprendere il comportamento dei consumatori a un livello impensabile prima d'ora e costruire sistemi per suggerimenti di acquisto, riconoscimento delle immagini e prevenzione delle frodi, oltre a molti altri utilizzi.
Oggi è possibile scalare rapidamente le applicazioni di apprendimento automatico e deep learning – oltre ad acquisire conoscenze in modo più efficiente – con la vostra infrastruttura hardware esistente. I comuni framework aperti, recentemente ottimizzati per Intel, unitamente alle nostre librerie matematiche avanzate, rendono le piattaforme basate su architettura Intel® una scelta intelligente per questi progetti.
Grandi incrementi di velocità come quelli che Intel ottiene in termini di prestazioni di specifici algoritmi sono raramente possibili nel mondo dell’High Performance Computing tradizionale, in cui i problemi sono ben definiti e il lavoro di ottimizzazione è in corso da molti anni. Gli algoritmi di apprendimento automatico hanno anche parecchio margine di miglioramento.
Andrey Nikolaev, Software Architect del team russo, afferma che a volte sembra che lui e i suoi colleghi abbiano ottimizzato un algoritmo nel modo migliore possibile.
“Ma l’indomani ci rendiamo conto – o qualcuno ce lo fa notare – che possiamo renderlo ancora più veloce”, osserva. “L’ottimizzazione non ha mai fine.”
Il diffuso framework di sviluppo open source per il riconoscimento delle immagini è ora ottimizzato per l'architettura Intel®.
La libreria Python progettata per scrivere modelli di deep learning è oggi ottimizzata per l'architettura Intel®.
Apache Spark* MLlib, la libreria di apprendimento automatico del framework di elaborazione dei dati open source, include ora il supporto per l'architettura Intel®.
La Trusted Analytics Platform open source di Intel offre funzioni di apprendimento automatico predefinite, rendendo più facile la realizzazione di app di analisi per cloud pubblico e privato.
Strumenti, tecniche e framework per potenziare le prestazioni di apprendimento automatico su architettura Intel®.
Una libreria ad elevate prestazioni con risorse che contribuiscono ad accelerare le routine di elaborazione matematica e migliorano le prestazioni delle applicazioni.
Una libreria altamente ottimizzata che contribuisce a velocizzare l'analisi dei big data fornendo moduli algoritmici per tutte le fasi dell'analisi dei dati e per gli impieghi di analisi offline, in streaming e distribuita.
Risorse tecniche e training gratuito per aiutare gli sviluppatori ad offrire prestazioni parallele multi-livello scalabili.
Valutazione con throughput elevato sull'infrastruttura di classe server esistente.
Ottenete tempi più brevi per addestrare le reti neurali profonde con un’infrastruttura robusta e scalabile.
Presenta la collaborazione tra Intel e ricercatori universitari.
Prodotti per lo sviluppo di software e supporto tramite forum di utenti per studenti, educatori, ricercatori universitari qualificati e collaboratori open source.
Scoprite gli ultimi sviluppi a livello di computing efficiente, esperienze immersive, trasporti e altre aree di ricerca principali.
Scoprite come Intel sta spostando l’apprendimento automatico da ricerca accademica a motore dell’innovazione.
Man mano che crescono i volumi dei dati, cresce l'esigenza di sistemi scalabili che impiegano l’apprendimento automatico per il training di modelli complessi.
Scoprite come l’apprendimento automatico e l’analisi avanzata dei dati possono incrementare il vostro vantaggio competitivo.
In Intel, siamo entusiasti del potenziale dell’intelligenza artificiale di trasformare il nostro mondo in nuovi modi eccezionali.