Машинное обучение – один из методов искусственного интеллекта, для достижения конечной цели в котором применяется не прямое решение задачи, а «обучение» компьютерных систем на основе решения множества сходных задач. Алгоритмы машинного обучения основаны на средствах математической статистики, теории вероятностей, теории графов, численных методах, задач аппроксимации функций, когда входные данные об объектах могут быть неполными, неточными, нечисловыми, разнородными.
Для сложных задач, требующих аналитических вычислений, которые основываются на современных представлениях о возможностях мозга человека, используются нейронные сети, предоставляющие, в том числе, возможность решения в ИТ-системах проблемы эффективного параллелизма.

Deep Learning и AI

Лидерами компонентов для построения конечного высокопроизводительного комплекса машинного обучения являются компании Intel и Nvidia
Каждый вендор предлагает свою архитектуру, которая имеет различные преимущества для решения задач искусственного интеллекта и машинного обучения и реализуется в центральных и графических процессорах, интегральных схемах специального назначения (ASIC) и программируемых логических матрицах (PLM).
-
Решения Nvidia
-
Решения Intel