课程

这些课程由专家撰写,涵盖机器学习的基础知识并延伸至高级理论。每一门课程包括作业和示例代码,以教授如何构建人工智能应用程序。

机器学习

掌握监督学习算法、机器学习重要概念等的实践知识。(12 周)

深度学习

学习深度学习的基础知识,神经网络架构、卷积网络架构和循环网络架构的基本原理,及其他。(12 周)

利用 TensorFlow* 的应用深度学习

了解如何使用最流行的机器学习框架用 Python* 构建神经网络应用程序。(8 周)

资料库

访问这个由开发人员、业界专家和学生大使撰写的广泛的内容库。

培训录像

课题包括机器学习,利用英特尔® 硬件和工具开发人工智能软件,以及最新框架和函数库。

技术案例研究

阅读有关使用英特尔® 技术的人工智能创新,以及该技术如何用于促进研究和应用开发。

研究论文

研读重点介绍英特尔® 技术驱动的人工智能突破和研究的技术文章。

第 2 步:探索框架

使用最流行的软件框架来开发现已针对英特尔® 硬件优化的机器学习应用程序,以提供更快的速度和更高的准确性。

TensorFlow

这款来自谷歌* 的开源软件库配备针对英特尔® CPU 的优化以提高速度。

PyTorch

将此基于 Python,经过英特尔优化的科学计算包用于深度学习训练和推理工作负载。

BigDL

在可在现有 Spark 或 Hadoop* 群集之上运行的 Apache Spark* 程序上执行分布式深度学习训练。

第 3 步:开发人工智能应用程序

使用英特尔® 硬件实现跨 CPU、VPU、FPGA、台式机和笔记本电脑的快速推理和训练。

英特尔® DevCloud

访问这个英特尔® 至强® 可扩展处理器支持的免费云计算集群,用于机器学习和深度学习训练及推理的项目。

请求访问

利用英特尔® FPGA 进行深度学习推理

掌握在强大的英特尔® FPGA 上实行高速机器学习推理应用程序工程的过程。(5 周)

电脑上的人工智能

在笔记本电脑、2 合 1 设备和台式机上,利用英特尔® 处理器和英特尔® 处理器显卡驱动基于推理的应用程序。