Analytics – un viaggio verso AI
L’intelligenza artificiale (AI) è stata concepita sin dal 1950, quando Arthur L. Samuel creò un algoritmo di apprendimento che consentiva a una macchina di battere il campione locale di pedine. Tuttavia, a quel tempo ci volle il più grande supercomputer e tutta la sua potenza di calcolo per eseguire quell’unico algoritmo per insegnare alla macchina come giocare.
Entrare in questo mercato era così fuori dalla portata della maggior parte delle strutture commerciali e di ricerca, che l’intelligenza artificiale non era quindi decollata. Parlando della situazione di oggi: il gioco è cambiato; il costo del calcolo e la quantità di dati saranno il catalizzatore che consente ai clienti di implementare l’intelligenza artificiale. E’ molto più semplice entrare nel mercato ad oggi ed i clienti inoltre ritengono che l’AI guiderà la trasformazione digitale.
Grazie alla legge di Moore, il computing è diventato molto più economico. Questo, aggiunto ad innovazioni come GPU, FGPA, TPU e altri acceleratori, ha permesso alla tecnologia di essere più economica e abbastanza potente per analizzare i dati su larga scala.
Allo stesso tempo, dal momento che il business è diventato “in tempo reale”, la finestra di pertinenza dei dati si è ridotta e il tempo per prendere le decisioni è diventato cruciale per il successo di esse. E poiché le fonti di dati sono esplose, AI è diventata economicamente e tecnicamente valida per i clienti e un elemento di differenziazione nelle proprie operazioni, sicurezza e obiettivi aziendali.
Questo punto di svolta ha anche dato origine a un nuovo campo di carriera, la Data Science. Gli scienziati dei dati utilizzano queste piattaforme di calcolo e metodologie scientifiche per fornire informazioni basate sui dati che incidono direttamente sul business che supportano.
Data Science
Il lavoro di Data Science è iniziato con l’esecuzione di analisi dei dati basate su data warehouse universali. Dell EMC stava già aiutando i clienti con progetti che fornivano un’infrastruttura pronta all’uso con prestazioni ottimizzate, in stretta collaborazione con i distributori Apache Hadoop. Man mano che i nostri clienti hanno maturato le loro implementazioni Hadoop con la crescita dei cluster, sono in corso ulteriori sperimentazioni e vi è la necessità di integrazione con strumenti di business intelligence e analisi dei flussi. Questo viaggio è incentrato sullo sfruttamento del potere dell’analitica per dare vita ai dati e per ottenere maggiori informazioni “in tempo reale”.
Come Dell EMC ti può supportare
L’esperienza di Dell EMC ci posiziona per aiutare i clienti a sviluppare strategie e progetti di intelligenza artificiale all’interno delle loro organizzazioni. Il portafoglio di Dell EMC rimane in linea con metodologie comuni per l’esplorazione e l’applicazione dell’apprendimento automatico a un determinato problema. Iniziando con un piccolo sottoinsieme di dati da un set di dati più ampio, possiamo iniziare la nostra indagine e comprensione del nostro set di dati. Una volta sviluppato un modello, possiamo ridimensionare il processo di addestramento da una singola istanza di calcolo a un cluster di n + 1 nodi e portare tale modello alla produzione una volta soddisfatti dei nostri risultati. Basandosi sulla nostra storia con Hadoop e HPC, abbiamo la capacità, la credibilità e l’esperienza per aiutare i clienti a minimizzare i rischi massimizzando il valore dei loro dati mentre si spostano verso l’applicazione dell’apprendimento automatico nelle loro attività.
Dell annuncia il prossimo passo nel percorso di analisi con Ready Solutions per l’intelligenza artificiale con una concentrazione sui carichi di lavoro di apprendimento automatico e deep learning. Con queste soluzioni, Dell EMC offre lo stack di soluzioni più ottimizzato e stabile per i clienti che implementano l’apprendimento automatico e l’apprendimento approfondito. L’obiettivo di Dell EMC è quello di aiutare le organizzazioni a consentire ai propri Data Scientist di fare effettivamente data science e fornire una piattaforma che aiuti a rendere operativa la piattaforma sottostante per l’organizzazione dei dati in modo più efficiente. Questo è esattamente ciò che Dell EMC fa bene: ottimizza e integra uno stack di elaborazione, storage e networking per casi d’uso particolari, in questo caso AI.
Ma aspettate, c’è di più … Dell EMC sta anche aumentando la soluzione con strumenti di data science, definizione dei modelli e formazione fino alla distribuzione di questi modelli in produzione per consentire agli scienziati dei dati di accelerare la formazione, l’inferenza e lo sviluppo dell’algoritmo. Alcuni punti salienti includono il portale Data Science Provisioning su Bright Computing, che semplifica radicalmente la distribuzione dei cluster con una singola GUI point-and-click intuitiva. Dell EMC Data Science basato su Cloudera Data Science Workbench, consente a un ambiente di data science containerizzato tutte le librerie, i framework e gli script di impostazione per casi d’uso specifici del cliente. E il motore EMC Data Science di Dell consente agli scienziati di dati di iniziare a sfruttare i framework su Hadoop e Spark senza alcuna CLI.
Dell ha ridimensionato questo modello di coinvolgimento per molti ambienti diversi e fornirà servizi di consulenza per l’individuazione dei dati e il flusso di dati.
Vuoi saperne di più? Visita il nostro sito per maggiori info!
