Klucz do dokładniejszych informacji

Uczenie maszynowe staje się coraz szybsze i szerzej dostępne. Nasi klienci wykorzystują potężne zestawy danych do budowania inteligentnych miast, napędzania inteligentnych samochodów i świadczenia spersonalizowanej opieki medycznej… A to dopiero początek.

Potencjał uczenia maszynowego wciąż jest nam mało znany

Analitycy, programiści i naukowcy stosują uczenie maszynowe, aby uzyskiwać informacje, które dotychczas pozostawały poza ich zasięgiem. Programy uczące się w oparciu o doświadczenia umożliwiają między innymi odkrywanie sposobu działania ludzkiego genomu, pozyskiwanie wiedzy na temat zachowań klientów w nieosiągalnym wcześniej stopniu oraz budowanie systemów rekomendacji zakupu, rozpoznawania obrazów i zapobiegania oszustwom.

Teraz, nawet podczas korzystania z istniejącej infrastruktury sprzętowej, możliwe jest skalowanie aplikacji uczenia maszynowego i głębokiego uczenia – tak aby pozyskiwać wiedzę z jeszcze większą efektywnością. Popularne otwarte ramy zostały na nowo zoptymalizowane przez firmę Intel z użyciem naszych zaawansowanych bibliotek matematycznych, dzięki czemu platformy oparte o architekturę Intel® stanowią doskonały wybór na potrzeby tego typu projektów.

Dowiedz się więcej o uczeniu maszynowym ›

Dowiedz się, w jaki sposób firma Intel wykorzystała uczenie maszynowe w celu zdobycia nowych klientów › 

Szybsze uczenie maszynowe

Firma Intel zaobserwowała znaczne zwiększenie wydajności dzięki zastosowaniu określonych algorytmów. Taka poprawa wydajności jest mało prawdopodobna podczas korzystania z tradycyjnych systemów obliczeniowych dużej skali, w przypadku których problemy są dobrze zdefiniowane, a proces optymalizacji trwa już od wielu lat. Algorytmy uczenia maszynowego można jeszcze poprawić.

Andriej Nikołajew, architekt oprogramowania w rosyjskim zespole, twierdzi, że czasami wydaje się, że wraz ze współpracownikami maksymalnie zoptymalizowali algorytm.

„Następnego dnia zdajemy sobie sprawę – lub ktoś nas o tym informuje – że możemy go jeszcze przyspieszyć” – mówi. „Optymalizacją można zajmować się w nieskończoność”.

Dowiedz się więcej ›

Zasoby open-source dla programistów

Uzyskaj dostęp do otwartych ram uczenia maszynowego i głębokiego uczenia oraz kod i architektury referencyjne na potrzeby rozproszonego szkolenia i oceny.

Szybsze aplikacje uczenia maszynowego tworzone z pomocą Caffe*

Popularne ramy programistyczne open source do rozpoznawania obrazów zostały zoptymalizowane pod kątem architektury Intel®.

Dowiedz się, jak zainstalować Caffe*

Pobierz ramy

Zgłębianie głębokiego uczenia

Biblioteka Python przeznaczona do pisania modeli głębokiego uczenia została zoptymalizowana pod kątem architektury Intel®.

Wprowadzenie do Theano*

Odwiedź bibliotekę

Szybsza analiza w klastrach Spark

Apache Spark* MLlib, biblioteka uczenia maszynowego open source do ram przetwarzania danych, zapewnia teraz wsparcie dla architektury Intel®.

Twórz szybsze aplikacje

Pobierz bibliotekę

Uproszczone tworzenie w oparciu o zaufany program analityczny

Platforma open-source Trusted Analytics Platform firmy Intel udostępnia wstępnie przygotowane funkcje uczenia maszynowego, ułatwiając tworzenie aplikacji analitycznych dla chmur publicznych i prywatnych.

Obejrzyj seminarium internetowe

Więcej informacji

Zasoby firmy Intel dla programistów

Rozwiązania firmy Intel pozwalają tworzyć narzędzia do monitorowania danych, pozyskiwać w krótkim czasie cenne informacje, automatyzować procesy i przyspieszać analizę predykcyjną.

Zasoby na temat uczenia maszynowego na stronie Intel® Developer Zone

Odpowiednie narzędzia, techniki i ramy pozwalają zwiększyć wydajność uczenia maszynowego na architekturze Intel®.

Odwiedź stronę Intel® Developer Zone ›

Biblioteka procedur matematycznych Intel® Math Kernel Library (Intel® MKL)

Biblioteka o wysokiej wydajności, zawierająca zasoby, dzięki którym możliwe jest przyspieszenie procesów przetwarzania matematycznego i zwiększenie wydajności aplikacji.

Pobierz bibliotekę

Dowiedz się więcej o Intel® MKL

Biblioteka Intel® Data Analytics Acceleration Library (Intel® DAAL)

Ta wysoce zoptymalizowana biblioteka przyspiesza analizę dużych zbiorów danych za pomocą komponentów algorytmicznych, przydatnych na każdym etapie analizy danych oraz w zastosowaniach obejmujących strumieniowe przesyłanie i rozpraszanie zadań analitycznych.

Dowiedz się więcej o Intel® DAAL

Rozwiązania open-source dla biblioteki Intel® DAAL

Intel® Modern Code

Zasoby techniczne i otwarte szkolenia pozwalają programistom zapewnić wielopoziomową, równoległą wydajność o wysokiej skalowalności.

Uzyskaj dostęp do zasobów Intel® Modern Code

Uczenie maszynowe – produkty firmy Intel

Istniejące dane pozwalają pozyskiwać nowy wgląd, odkrywać wzorce zachowań klientów i wyszukiwać możliwości rynkowe – wszystko to w oparciu o istniejące ramy skalowalne wszerz.

Procesory Intel® Xeon® E5

Wysoka przepustowość oceny w istniejących infrastrukturach klasy serwerowej.

Więcej informacji

Procesory Intel® Xeon Phi™

Krótszy czas szkolenia głębokich sieci neuronowych w oparciu o niezawodną, skalowalną infrastrukturę.

Więcej informacji

Zasoby dla badaczy

Dowiedz się, jak firma Intel we współpracy ze studentami i naukowcami zapewnia dostęp do najnowszych technologii i przyczynia się do powstania społeczności badawczych.

Programy naukowo-badawcze firmy Intel®

Prezentacja współpracy między firmą Intel a naukowcami uniwersyteckimi.

Odwiedź prezentację

Intel® Developer Zone – bezpłatne narzędzia programistyczne

Wybrane produkty do opracowywania oprogramowania oraz pomoc forum użytkowników dla spełniających kryteria studentów, instruktorów, naukowców i autorów programów open-source.

Uzyskaj bezpłatne narzędzia

Laboratoria firmy Intel

Zobacz najnowsze osiągnięcia w zakresie wydajnych systemów obliczeniowych, atrakcyjnej obsługi, transportu oraz innych wiodących obszarów badawczych.

Dowiedz się więcej o laboratoriach firmy Intel

Intel IT Peer Network

Poznaj najnowsze spostrzeżenia ekspertów społeczności firmy Intel

Innowacyjne uczenie maszynowe

Dowiedz się, jak dzięki firmie Intel uczenie maszynowe zmienia się z dziedziny czysto teoretycznej w motor napędowy innowacji.

Czytaj dalej

Uczenie maszynowe

Wraz ze wzrostem ilości danych zwiększa się zapotrzebowanie na systemy skalowalne wykorzystujące uczenie maszynowe do trenowania złożonych modeli.

Czytaj dalej

Popularyzacja uczenia maszynowego

Dowiedz się, w jaki sposób uczenie maszynowe i zaawansowana analiza danych mogą pomóc w zwiększeniu przewagi nad konkurencją.

Czytaj dalej

Upowszechnienie technologii sztucznej inteligencji

Jesteśmy podekscytowani potencjałem sztucznej inteligencji w zakresie przekształcania świata i stwarzania nowych możliwości.

Czytaj dalej