Programa del Curso

Introducción

  • Descripción general de RAPIDS características y componentes
  • Conceptos de computación de GPU

Empezar

  • Instalación de RAPIDS
  • cuDF, cUML, y Dask
  • Primitivas, algoritmos y API

Gestión y entrenamiento de datos

  • Preparación de datos y ETL
  • Creación de un conjunto de entrenamiento con XGBoost
  • Probar el modelo de entrenamiento
  • Trabajar con la matriz CuPy
  • Uso de Apache Arrow tramas de datos

Visualización e implementación de modelos

  • Análisis de grafos con cuGraph
  • Implementación de Multi-GPU con Dask
  • Creación de un panel interactivo con cuXfilter
  • Ejemplos de inferencia y predicción

Solución de problemas

Resumen y próximos pasos

Requerimientos

  • Familiaridad con CUDA
  • Python Experiencia en programación

Audiencia

  • Científicos de datos
  • Desarrolladores
 14 horas

Número de participantes



Precio por participante

Testimonios (5)

Categorías Relacionadas