Programa do Curso

Introdução

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

Introdução

  • Instalação do RAPIDS
  • cuDF, cUML, e Dask
  • Primitivas, algoritmos e APIs

Gerir e treinar dados

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

Visualizando e implantando modelos

  • Análise de gráficos com cuGraph
  • Implementando Multi-GPU com Dask
  • Criando um dashboard interativo com cuXfilter
  • Exemplos de inferência e predição

Resolução de problemas

Resumo e próximos passos

Requisitos

  • Familiaridade com CUDA
  • Python experiência em programação

Público

  • Cientistas de dados
  • Desenvolvedores
 14 Horas

Número de participantes


Preço por Participante

Próximas Formações Provisórias

Categorias Relacionadas