Struttura del corso

Introduzione

  • Panoramica delle funzionalità e dei componenti di RAPIDS
  • Concetti di calcolo su GPU

Inizio rapido

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

Gestione e addestramento dei dati

  • Preparazione dei dati e ETL
  • Creazione di un set di addestramento utilizzando XGBoost
  • Test del modello di addestramento
  • Lavoro con l'array CuPy
  • Utilizzo dei data frame Apache Arrow

Visualizzazione e distribuzione dei modelli

  • Analisi di grafi con cuGraph
  • Implementazione multi-GPU con Dask
  • Creazione di un dashboard interattivo con cuXfilter
  • Esempi di inferenza e previsione

Risoluzione dei problemi

Riepilogo e passaggi successivi

Requisiti

  • Familiarità con CUDA
  • Esperienza di programmazione in Python

Pubblico di destinazione

  • Data scientists
  • Sviluppatori
 14 Ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative