Prenez contact avec nous

Plan du cours

Introduction

  • Aperçu des fonctionnalités et composants de RAPIDS
  • Concepts de calcul sur GPU

Prise en main

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

Gestion et entraînement des données

  • Préparation des données et ETL
  • Création d'un jeu d'entraînement avec XGBoost
  • Test du modèle d'entraînement
  • Travail avec les tableaux CuPy
  • Utilisation des dataframes Apache Arrow

Visualisation et déploiement des modèles

  • Analyse de graphes avec cuGraph
  • Mise en œuvre du Multi-GPU avec Dask
  • Création d'un tableau de bord interactif avec cuXfilter
  • Exemples d'inférence et de prédiction

Dépannage

Résumé et prochaines étapes

Pré requis

  • Familiarité avec CUDA
  • Expérience en programmation Python

Public cible

  • Data scientists
  • Développeurs
 14 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires