Les applications modernes d’intelligence artificielle (IA) et d’apprentissage machine (machine learning, ML) exécutent une multitude de tâches permettant de convertir des données brutes en informations précieuses. Des experts en science des données créent des pipelines multiphases de bout en bout pour applications d’IA et de ML. Les phases en question comprennent l’ingestion des données, le nettoyage des données, l’exploration des données et l’ingénierie des fonctionnalités, suivies du prototypage, de la construction et du déploiement du modèle. Ces phases sont souvent répétées de nombreuses fois et il faut parfois déployer l’ensemble du pipeline sur une grappe de serveurs ou dans le cloud.

Dans cet article nous démontrons qu’il est possible de multiplier la vitesse de traitement les phases de ces pipelines (par un facteur de 10 à 18) avec des API et des packages Python* ultra-performants disponibles dans Intel oneAPI Analytics Toolkit.