L’intelligenza artificiale e il machine learning aiutano le aziende a risolvere problemi complessi; il nuovo server Cisco UCS con GPU Nvidia accelera la produttività.
La piattaforma è progettata per accelerare molti dei più noti stack software di apprendimento automatico di oggi. Data scientist e sviluppatori possono sperimentare l’apprendimento automatico su un laptop.
Ma il deep-learning richiede una maggiore capacità di calcolo. È necessaria un’architettura IT in grado di accogliere grandi quantità di dati e strumenti che possono dare un senso a questi dati utilizzandoli per imparare. Ecco perché Cisco sta lavorando con i suoi partner tecnologici per convalidare molti degli strumenti di apprendimento automatico più diffusi al giorno d’oggi, il tutto per semplificare le implementazioni e accelerare i tempi di analisi.
Roland Acra, SVP e GM del Cisco Data Center Business Group
Nei prossimi anni, le applicazioni basate sull’intelligenza artificiale e il machine learning diventeranno un elemento chiave per le imprese. Se questo risolverà molti problemi di business complessi, creerà anche nuove sfide per l’IT. L’aggiunta di potenza alla linea Cisco UCS potrà far crescere il numero di iniziative basate su AI in un’ampia gamma di settori industriali. I nostri clienti che hanno già testato questa soluzione e operanti nel settore finanziario stanno esplorando nuovi modi per migliorare il rilevamento delle frodi e migliorare il trading algoritmico. Allo stesso modo, nel settore sanitario, sono interessati ad affinare gli insights e la diagnostica, migliorando la classificazione delle immagini mediche accelerando la scoperta di farmaci e la ricerca.
Con il nuovo Cisco UCS C480 ML, Cisco offre ora ai clienti una gamma completa di opzioni di computing progettate per ogni fase del ciclo di vita di AI e ML. Dalla raccolta e analisi dei dati periferici, alla preparazione dei dati, alla restituzione di nozioni analizzate in tempo reale grazie all’AI.
Creato per data scientist e sviluppatori: Oggi, migliaia di clienti utilizzano Cisco UCS a supporto dell’analisi dei big data. Il nuovo server per AI e ML si basa sull’esperienza Cisco sviluppata nello spostamento dei dati da ambienti edge a quelli core. Consente ai clienti di estrarre più informazioni dai propri dati e di utilizzarle per prendere decisioni consapevoli e più rapide. Con il suo nuovo DevNet AI Developer Center e DevNet Ecosystem Exchange, Cisco offre anche ai data scientist e agli sviluppatori gli strumenti e le risorse per creare una nuova generazione di applicazioni.
Creato per l’IT: UCS rende facile per l’IT aggiungere nuove tecnologie al proprio ambiente. Con Cisco Intersight, si ottiene anche la semplicità e la possibilità di gestire i sistemi basati su cloud. Questo consente di automatizzare le policy e le operazioni per tutta l’infrastruttura di computing dal cloud.
Creato con un ecosistema: Cisco non lavora da sola. Sta adottando containers e modelli di computing multicloud per rendere più facile la distribuzione di software open source su ampia scala, indipendentemente da dove risiedono le applicazioni. Valida ambienti di apprendimento automatico e software come Anaconda, Kubeflow e soluzioni di Cloudera e Hortonworks.
David Aronchick, Product Manager di Google Cloud
La potenza del machine learning dovrebbe essere disponibile per tutte le organizzazioni, sia nel cloud che on-premises, e siamo entusiasti di continuare a collaborare con Cisco. Cisco crea soluzioni cloud ibride per l’apprendimento automatico e contribuisce al progetto open source guidato da Google, Kubeflow. Le organizzazioni che eseguono Kubeflow sul nuovo server di deep learning UCS C480 beneficeranno degli strumenti di machine learning coerenti che funzionano alla grande sia on-premise che su Google Cloud.Ian Buck, vicepresidente e direttore generale di Accelerated Computing di Nvidia
L’integrazione delle GPU Nvidia Tesla V100 Tensor Core nel nuovo server UCS di Cisco offre alle aziende di ogni settore una nuova e potente soluzione per portare avanti le loro iniziative di AI. Con le GPU Nvidia, i modelli di AI che richiedono settimane di lavoro sul computing, possono ora essere addestrati in poche ore, consentendo, grazie all’AI, di risolvere una serie di problemi prima sconosciuti.Aditya Akella, professore presso la University of Wisconsin–Madison
I nostri ricercatori attivi nel campo dell’intelligenza artificiale e dei sistemi informatici stanno attualmente lavorando a soluzioni avanzate di ottimizzazione del carico di lavoro della GPU che mirano ad aumentare l’efficienza nell’apprendimento profondo e nell’apprendimento automatico. Non vediamo l’ora di testare il nuovo sistema di elaborazione Cisco UCS per l’apprendimento profondo. I nostri ricercatori si concentrano sulla valutazione della piattaforma di ricerca per migliorare l’efficienza dei modelli di training in scenari di utilizzo multi-tenant e condiviso.
