Remove Python* Performance Barriers for Machine Learning


Online content and service providers like Netflix and Amazon have popularized the use of recommendation platforms/engines, that predict a user’s preferences based on historical ratings, collective user profiles and behavior. Collaborative filtering is the collective term for machine learning algorithms used by these engines to make personalized recommendations from extremely large datasets. Performance, accuracy and scalability are critical factors that determine the suitability of these systems in real time environments. This webinar highlights the significant performance speed-ups achieved by implementing multiple Intel tools and techniques for high performance Python on collaborative filtering methods benchmarked on the latest Intel® platforms. A combination of performance profiling with Intel® VTune™ Amplifier XE, accelerated machine learning algorithms in Intel® Data Analytics Acceleration Library and Intel® Distribution for Python*, and enhanced thread scheduling, showcase the individual strengths and combined computation power to drive performance on large scale machine learning workloads

Download Slides PDF [4.72 MB]




Download Slides

PDF (4.72 MB)

Información sobre productos y desempeño


Los compiladores Intel pueden o no optimizar al mismo nivel para los microprocesadores que no son Intel en optimizaciones que no son exclusivas de los microprocesadores Intel. Estas optimizaciones incluyen los conjuntos de instrucciones SSE2, SSE3 y SSSE3, y otras optimizaciones. Intel no garantiza la disponibilidad, funcionalidad o eficacia de ninguna optimización en microprocesadores que no sean fabricados por Intel. Las optimizaciones dependientes del microprocesador en este producto fueron diseñadas para usarse con microprocesadores Intel. Ciertas optimizaciones no específicas de la microarquitectura Intel se reservan para los microprocesadores Intel. Consulte las guías de referencia y para el usuario para obtener más información acerca de los conjuntos de instrucciones específicos cubiertos por este aviso.

Revisión del aviso n.° 20110804