顧客維持率の改善が求められるソフトウェア企業、リスクの軽減が求められる金融サービス企業、顧客の購買行動を予測することに関心を持っている小売企業など、組織には、貴重な資源を無駄にすることなく、大量のデータを準備し、管理し、インサイトを収集することが求められています。従来の CPU を利用したデータ サイエンス ワークフローは面倒な場合がありますが、GPU のパワーなら、あなたが所属するチームはデータから短時間で意味をくみ取り、ビジネス上の意志決定を進めることができます。
このワークショップでは、短時間で調査し、イテレーションすることを可能にするエンドツーエンドの GPU 対応データ サイエンス ワークフローを構築し、実行する方法と、作業を本稼働に移す方法について学習します。RAPIDS™ で高速化するデータ サイエンス ライブラリを利用し、XGBoost、cuGRAPH のシングルソース最短パス、cuML の KNN、DBSCAN、ロジスティック回帰など、GPU で高速化するさまざまな機械学習アルゴリズムを適用し、データを大規模で分析します。
学習目標
このワークショップでは、次のことを行います。
- IGPU で高速化するデータ準備と特徴抽出を cuDF と Apache Arrow データ フレームを利用して実装する
- › GPU で高速化するさまざまな機械学習タスクを XGBoost とさまざまな cuML アルゴリズムを使用して適用する
- › GPU で高速化するグラフ分析を cuGraph で実行し、短時間で大量の分析を行う
- › cuGraph リーチンを利用し、短時間で大量のグラフを分析する
ワークショップ データシートをダウンロードする (PDF 298 KB)