Course Outline

Εισαγωγή

    Επισκόπηση των RAPIDS χαρακτηριστικών και στοιχείων των εννοιών υπολογιστών GPU

Ξεκινώντας

    Εγκατάσταση RAPIDS cuDF, cUML και Dask Primitives, αλγορίθμων και API

Διαχείριση και Εκπαίδευση Δεδομένων

    Προετοιμασία δεδομένων και ETL Δημιουργία συνόλου εκπαίδευσης με χρήση XGBoost Δοκιμή του μοντέλου εκπαίδευσης Εργασία με συστοιχία CuPy Χρήση πλαισίων δεδομένων Apache Arrow

Οπτικοποίηση και ανάπτυξη μοντέλων

    Ανάλυση γραφήματος με cuGraph Implementing Multi-GPU with Dask Δημιουργία διαδραστικού πίνακα εργαλείων με παραδείγματα συμπερασμάτων και προβλέψεων cuXfilter

Αντιμετώπιση προβλημάτων

Περίληψη και Επόμενα Βήματα

Requirements

  • Εξοικείωση με το CUDA
  • Python εμπειρία προγραμματισμού

Ακροατήριο

  • Επιστήμονες δεδομένων
  • προγραμματιστές
 14 Hours

Number of participants



Price per participant

Testimonials (5)

Related Courses

Scaling Data Analysis with Python and Dask

14 Hours

Developing APIs with Python and FastAPI

14 Hours

Kivy: Building Android Apps with Python

7 Hours

GUI Programming with Python and PyQt

21 Hours

Related Categories