Plan du cours

Introduction

  • Aperçu des caractéristiques et des composants RAPIDS
  • Concepts informatiques GPU

Mise en route

  • Installation de RAPIDS
  • cuDF, cUML et Dask
  • Primitives, algorithmes et API

Gestion et formation des données

  • Préparation des données et ETL
  • Création d'un ensemble d'entraînement à l'aide de XGBoost
  • Test du modèle d'entraînement
  • Travailler avec les tableaux CuPy
  • Utilisation des cadres de données Apache Arrow

Visualisation et déploiement des modèles

  • Analyse graphique avec cuGraph
  • Implémentation de Multi-GPU avec Dask
  • Créer un tableau de bord interactif avec cuXfilter
  • Exemples d'inférence et de prédiction

Résolution des problèmes

Résumé et prochaines étapes

Pré requis

  • Familiarité avec CUDA
  • Python expérience en programmation

Public

  • Scientifiques des données
  • Développeurs
 14 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires