使用英特尔®硬件,英特尔®集成性能原语(Intel®IPP)和英特尔®oneAPI数据分析库(oneDAL) Anodot改进性能的自相关函数(ACF)和XGBoost算法,大大减少机器学习(ML)计算与自主业务相关的时间和成本监控和异常检测。

读也:英特尔拥抱一个内部铸造模型

数据分析公司创建了一个解决方案的客户标识revenue-critical业务实时事件通过模型分析数以百万计的时间序列指标每一分钟。异常检测平台,无限的可伸缩性和有效管理所需的计算成本,因为它生长——除了改善速度,效率和精度的模型训练和推论。

虽然Anodot已经AI平台运行在英特尔®cpu,英特尔®上的团队运行性能测试Xeon®扩展处理器平台扩展协作。通过优化使用英特尔ACF IPP异常检测,研究小组记录多达127倍训练性能和降低66%的总体成本训练算法在云环境中运行——通过ACF运行时减少近99%。优化XGBoost算法使用oneDAL和基线XGBoost模型预测导致推测时间快4倍,使服务分析4倍的数据量在不增加成本的推理。¹

“选择一个机器学习的平台时,你需要考虑规模随着你事业的不断发展,“爱尔兰共和军科恩说,首席Anodot数据科学家。“那么,模型效率和计算成本效率变得越来越重要。我们的性能测试显示,英特尔软件和至强平台为我们提供效率提升,将使我们能够以较低的成本提供更高质量的服务。”

更多:阅读完整的案例研究”,Anodot优化异常检测服务”。

相关文章:包括英特尔主板在2022年第四季度价格上涨