Programa do Curso

Introdução

  • Panorâmica das características e componentes de RAPIDS
  • Conceitos de computação GPU

Começar a trabalhar

  • Instalando o RAPIDS
  • cuDF, cUML e Dask
  • Primitivas, algoritmos e APIs

Gestão e formação de dados

  • Preparação de dados e ETL
  • Criação de um conjunto de treino utilizando o XGBoost
  • Testar o modelo de treino
  • Trabalhar com a matriz CuPy
  • Utilizar quadros de dados Apache Arrow

Visualização e implementação de modelos

  • Análise de gráficos com cuGraph
  • Implementando Multi-GPU com Dask
  • Criando um painel de controle interativo com cuXfilter
  • Exemplos de inferência e previsão

Resolução de problemas

Resumo e próximas etapas

Requisitos

  • Familiaridade com CUDA
  • Python experiência em programação

Público

  • Cientistas de dados
  • Desenvolvedores
 14 horas

Número de participantes



Preço por participante

Declaração de Clientes (5)

Cursos Relacionados

Categorias Relacionadas