KI
Neueste Inhalte
Video: Wie sich ONNX-Runtime-Anwendungen lokal bereitstellen lassen
Das Open Neural Network Exchange (ONNX)-Format ermöglicht es, KI-Anwendungen von einem Framework auf ein anderes zu portieren. Dieses Video zeigt, wie sich ONNX-Runtime-Anwendungen mithilfe der Ryzen AI-Software lokal nutzen lassen.
KI im Rechenzentrum: So planen Sie eine erfolgreiche Integrationsstrategie
Wie können Unternehmen ein KI-fähiges Rechenzentrum aufbauen, ohne dass Kosten und Aufwand aus dem Ruder laufen? Welche Strategien und Best Practices gibt es dafür? Antworten liefert dieses eBook.
Von Training bis Inferenz: Hardware-Empfehlungen für KI-Workflows
Für Training, Optimierung und Anwendung von KI-Modellen ist leistungsfähige Hardware nötig. Die Anforderungen in den einzelnen Phasen unterscheiden sich jedoch deutlich. Dieses eBook zeigt, wie Sie die richtige Hardware für jeden KI-Workflow finden.
Autonome Agenten: Wie KI die Prozessautomatisierung revolutioniert
KI-Agenten planen und lösen komplexe Aufgaben selbständig und systemübergreifend. In der Prozessautomatisierung bringen sie aber auch neue Risiken und höhere Anforderungen an die IT-Infrastruktur mit sich.
Der neue Standard: Warum KI-PCs bis zu 83 % schneller sind.
Herkömmliche PCs bieten oft nicht genügend Leistung, um moderne KI-Apps ausführen zu können. In diesem Video erfahren Sie, wie Sie das Problem durch den Umstieg auf einen KI-PC mit AMD Ryzen AI Prozessor lösen.
Gartner-Analyse: In drei Schritten zu erfolgreichen KI-Investitionen
Welche Auswirkungen hat KI auf die Produktivität, Wirtschaftlichkeit und Zukunftsfähigkeit von Unternehmen? Welche Rendite bringen Investitionen in KI-Systeme und -PCs? Antworten auf diese und weitere Fragen liefert das Analystenhaus Gartner.
Unsere Empfehlungen
KI-Workloads und die Bedeutung der CPU
Welche Rolle spielt der Hauptprozessor (CPU) eines Servers beim Training und der Anwendung von KI-Modellen? Wie müssen CPU und Grafikprozessor (GPU) zusammenarbeiten, um eine möglichst hohe Performance zu gewährleisten? Die Antworten finden Sie in diesem Video.
Datacenter-Anforderungen für KI- und ML-Projekte
Künstliche Intelligenz (KI) und Machine Learning (ML) erfordern hohe Rechenleistung, schnelle Netze und viel Speicherkapazität im Rechenzentrum. Wie Unternehmen diese Anforderungen erfüllen können.
In fünf Schritten zum KI-fähigen Rechenzentrum
Wer Machine-Learning-Modelle und andere intelligente Algorithmen trainieren und einsetzen will, braucht eine leistungsfähige IT-Infrastruktur. Lesen Sie, wie Sie Ihr Rechenzentrum effizient modernisieren und fit für den KI-Einsatz machen.