Struttura del corso

Introduzione

  • Panoramica di RAPIDS funzioni e componenti
  • Concetti di GPU computing

Introduttiva

  • Installazione di RAPIDS
  • cuDF, cUML e Dask
  • Primitive, algoritmi e API

Gestione e addestramento dei dati

  • Preparazione dei dati ed ETL
  • Creazione di un set di training con XGBoost
  • Test del modello di training
  • Utilizzo dell'array CuPy
  • Utilizzo di frame di dati Apache Arrow

Visualizzazione e distribuzione dei modelli

  • Analisi dei grafici con cuGraph
  • Implementazione di Multi-GPU con Dask
  • Creazione di una dashboard interattiva con cuXfilter
  • Esempi di inferenza e previsione

Risoluzione dei problemi

Riepilogo e prossime tappe

Requisiti

  • Familiarità con CUDA
  • Python Esperienza di programmazione

Pubblico

  • Scienziati dei dati
  • Gli sviluppatori
 14 ore

Numero di Partecipanti



Prezzo per Partecipante

Recensioni (5)

Categorie relative