Plan du cours

Introduction

  • Vue d'ensemble des caractéristiques et des composants de RAPIDS
  • Concepts de calcul par le GPU

Pour commencer

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

Dépannage

Résumé et prochaines étapes

Pré requis

  • Familiarité avec CUDA
  • Python expérience en programmation

Public

  • Data scientists
  • Développeurs
 14 heures

Nombre de participants



Prix par participant

Nos Clients témoignent (5)

Cours Similaires

Catégories Similaires