A Intel trabalha em parceria com universidades e empresas para desenvolver três centros de excelência em Aprendizagem de Máquinas no Brasil. Serão dois centros em São Paulo juntamente com a Unesp (Universidade Estadual Paulista) e a Universidade Presbiteriana Mackenzie, além de um no Rio de Janeiro com a empresa AI2Biz. Os projetos têm o objetivo de colaborar com a indústria e comunidade científica na solução de problemas complexos através do uso de Inteligência Artificial.
A fabricante também oferece, por meio desta iniciativa, workshops, ministrados pelas universidades, a toda comunidade científica e de desenvolvedores de software com a finalidade de ressaltar todo o potencial da inteligência artificial no aprendizado de máquinas. Os centros também vão colaborar com clientes da Intel em realizações de provas de conceito, projetos piloto e soluções para diferentes verticais da indústria. Atualmente, há projetos em andamento na área financeira e no setor de petróleo e gás.
A Intel fornecerá aos projetos de machine learning ferramentas completas para trazer performance às aplicações de Big Data, como Intel Python Distribution, Intel Math Kernel Library e Intel Data Analytics Acceleration Library, que são fundamentais para extrair todo paralelismo dos processadores Xeon e Xeon Phi. Os Centros terão contato com engenheiros de software da Intel de diversos países e contarão com suporte técnico personalizado.
Os centros de machine learning fazem parte de uma iniciativa global da companhia, chamada Intel AI Academy, que visa prover capacitação em Inteligência Artificial para estudantes de Cursos de Computação (Ciência, Engenharia e correlatos) e desenvolvimento de aplicações de inteligência artificial. As tecnologias de Big Data que fazem uso de algoritmos de Inteligência artificial geralmente demandam grande poder computacional e máquinas de alto desempenho. Os centros de excelência também contarão com ferramentas como o Intel Deep Learning SDK, que facilita o processo de desenvolvimento de aplicações, aumentam a produtividade e aceleram o time-to-market em aplicações de redes neurais profundas (ou Deep Learning).
