Ciencia de datos acelerada por NVIDIA La única pila de hardware a software optimizada para la ciencia de datos
Apache Spark 3.0 se acelera por GPU con RAPIDS Apache Spark 3.0 es la primera versión de Spark que ofrece una aceleración de GPU totalmente integrada y sin problemas para cargas de trabajo de análisis e IA. Aprovecha la potencia de Spark 3.0 con GPU locales o en la nube, sin cambiar el código. El rendimiento innovador de las GPU permite a las empresas y a los investigadores entrenar modelos más grandes con más frecuencia, lo que en última instancia desbloquea el valor del big data con el poder de la IA. Más información
Empresa acelerada por GPU en acción Maximiza el rendimiento, la productividad y el retorno de la inversión para flujos de trabajo de aprendizaje automático. Infografía interactiva Resumen de soluciones
RAPIDS, una plataforma de ciencia de datos acelerada por GPU, es un ecosistema computacional de próxima generación con tecnología de Apache Arrow. La colaboración de NVIDIA con Ursa Labs acelerará el ritmo de la innovación en las bibliotecas básicas de Arrow y contribuirá a conseguir importantes mejoras de rendimiento en las cargas de trabajo de los análisis y de la ingeniería de características. - Wes McKinney, jefe de Ursa Labs y creador de Apache Arrow y Pandas
Logré una aceleración 24 veces mayor con RAPIDS XGBOOST y ahora puedo sustituir cientos de nodos de CPU, con lo que consigo ejecutar mi mayor carga de ML en un único nodo con 8 GPU. ¿Tal vez habéis acelerado XGBOOST demasiado? - Empresa de streaming de contenido multimedia
Mi cuello de botella anterior era la E/S... 10 minutos para extraer datos de 10 tiendas (aproximadamente 1 millón de filas). Con RAPIDS, podemos incorporar datos de unas 6000 tiendas (millones de filas) en menos de 3 minutos. Esa escala podría habernos llevado fácilmente cuatro días en una infraestructura de antigua generación… es simplemente impresionante. - Un comercio del sector minorista especializado del mercado medio con 6000 tiendas
RAPIDS, una plataforma de ciencia de datos acelerada por GPU, es un ecosistema computacional de próxima generación con tecnología de Apache Arrow. La colaboración de NVIDIA con Ursa Labs acelerará el ritmo de la innovación en las bibliotecas básicas de Arrow y contribuirá a conseguir importantes mejoras de rendimiento en las cargas de trabajo de los análisis y de la ingeniería de características. - Wes McKinney, jefe de Ursa Labs y creador de Apache Arrow y Pandas
Logré una aceleración 24 veces mayor con RAPIDS XGBOOST y ahora puedo sustituir cientos de nodos de CPU, con lo que consigo ejecutar mi mayor carga de ML en un único nodo con 8 GPU. ¿Tal vez habéis acelerado XGBOOST demasiado? - Empresa de streaming de contenido multimedia
Mi cuello de botella anterior era la E/S... 10 minutos para extraer datos de 10 tiendas (aproximadamente 1 millón de filas). Con RAPIDS, podemos incorporar datos de unas 6000 tiendas (millones de filas) en menos de 3 minutos. Esa escala podría habernos llevado fácilmente cuatro días en una infraestructura de antigua generación… es simplemente impresionante. - Un comercio del sector minorista especializado del mercado medio con 6000 tiendas
RAPIDS, una plataforma de ciencia de datos acelerada por GPU, es un ecosistema computacional de próxima generación con tecnología de Apache Arrow. La colaboración de NVIDIA con Ursa Labs acelerará el ritmo de la innovación en las bibliotecas básicas de Arrow y contribuirá a conseguir importantes mejoras de rendimiento en las cargas de trabajo de los análisis y de la ingeniería de características. - Wes McKinney, jefe de Ursa Labs y creador de Apache Arrow y Pandas
Logré una aceleración 24 veces mayor con RAPIDS XGBOOST y ahora puedo sustituir cientos de nodos de CPU, con lo que consigo ejecutar mi mayor carga de ML en un único nodo con 8 GPU. ¿Tal vez habéis acelerado XGBOOST demasiado? - Empresa de streaming de contenido multimedia
Mi cuello de botella anterior era la E/S... 10 minutos para extraer datos de 10 tiendas (aproximadamente 1 millón de filas). Con RAPIDS, podemos incorporar datos de unas 6000 tiendas (millones de filas) en menos de 3 minutos. Esa escala podría habernos llevado fácilmente cuatro días en una infraestructura de antigua generación… es simplemente impresionante. - Un comercio del sector minorista especializado del mercado medio con 6000 tiendas