Plan Szkolenia

Wprowadzenie

  • Przegląd funkcji i komponentów RAPIDS
  • Koncepcje obliczeniowe GPU

Pierwsze kroki

  • Instalowanie RAPIDS
  • cuDF, cUML i Dask
  • Prymitywy, algorytmy i interfejsy API

Zarządzanie danymi i szkolenie

  • Przygotowanie danych i ETL
  • Tworzenie zestawu szkoleniowego przy użyciu XGBoost
  • Testowanie modelu szkoleniowego
  • Praca z tablicą CuPy
  • Korzystanie z ramek danych Apache Arrow

Wizualizacja i wdrażanie modeli

  • Analiza wykresów za pomocą cuGraph
  • Wdrażanie Multi-GPU z Dask
  • Tworzenie interaktywnego pulpitu nawigacyjnego za pomocą cuXfilter
  • Przykłady wnioskowania i przewidywania

Rozwiązywanie problemów

Podsumowanie i kolejne kroki

Wymagania

  • Znajomość technologii CUDA
  • Doświadczenie w programowaniu Python

Publiczność

  • Naukowcy zajmujący się danymi
  • Programiści
 14 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie