Schulungsübersicht

Einführung

  • Überblick über die Funktionen und Komponenten von RAPIDS
  • GPU-Computing-Konzepte

Erste Schritte

  • Installation von RAPIDS
  • cuDF, cUML und Dask
  • Primitive, Algorithmen und APIs

Verwaltung und Schulung von Daten

  • Datenvorbereitung und ETL
  • Erstellung eines Trainingssatzes mit XGBoost
  • Testen des Trainingsmodells
  • Arbeiten mit CuPy-Array
  • Verwendung von Apache Arrow Datenrahmen

Visualisieren und Bereitstellen von Modellen

  • Graphenanalyse mit cuGraph
  • Implementierung von Multi-GPU mit Dask
  • Erstellung eines interaktiven Dashboards mit cuXfilter
  • Beispiele für Inferenzen und Vorhersagen

Fehlersuche

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Vertrautheit mit CUDA
  • Python Programmiererfahrung

Publikum

  • Datenwissenschaftler
  • Entwickler
 14 Stunden

Teilnehmerzahl



Preis je Teilnehmer

Erfahrungsberichte (4)

Kombinierte Kurse

Verwandte Kategorien