This site requires Javascript in order to view all its content. Please enable Javascript in order to access all the functionality of this web site. Here are the instructions how to enable JavaScript in your web browser.

インストラクターによるワークショップ
インテリジェントレコメンダーシステムの構築

ディープラーニングベースのレコメンダーシステムは、小売、エンターテイメント、ヘルスケア、金融などの業界において、パーソナライズされたオンライン体験を支える陰の立役者であり、パワフルな意思決定を支援するツールです。

レコメンダーシステムは、多くの人々の好みや過去の決断といったさまざまな特性を理解することによって機能します。たとえば、レコメンダーは、ある個人が以前に視聴した映画や理解する言語に基づき、その個人がどのような映画を楽しむかを予測することができます。この膨大なデータを汎用化して類似の個人や状況に具体的なお勧めを迅速に提供できるようニューラルネットワークをトレーニングするには大量の計算処理が必要になりますが、これは GPU によって劇的に高速化できます。今まで以上に喜ばれるユーザー体験、お客様とのより密接な関わり、情報に基づく優れた意思決定の提供に努めている組織は、適切に設計されトレーニングされたレコメンダーシステムを適用することで、その素晴らしい価値を実感できます。

このワークショップでは、効果の高いレコメンダーシステムを構築するための基礎的なツールと手法のほか、GPU によって高速化されたソリューションを展開してリアルタイムでのお勧めを実現する方法についても説明します。

学習目標

このワークショップでは、次のことを学びます。

オープンソースの cuDF ライブラリと Apache Arrow を使用してコンテンツベースのレコメンダーシステムを構築する方法
交互最小 2 乗法 (ALS) と CuPy を使用して協調フィルタリングレコメンダーシステムを構築する方法
広さと深さを持つニューラルネットワークを TensorFlow 2 を使用して設計し、ハイブリッドレコメンダーシステムを作成する方法
大規模なスパースデータセットを使用して、トレーニングと推論の双方のパフォーマンスを最適化する方法
レコメンダーモデルをハイパフォーマンスの Web サービスとして展開する方法

ワークショップデータシートをダウンロードする (PDF 79.8 KB)

ワークショップの概要

序論 (15 分)	インストラクターの紹介。 courses.nvidia.com/join でアカウントを作成する
行列を基盤とするレコメンダーシステム (120 分)	特異値分解 (SVD) によるコラボレーティブフィルタリングを実装する: CuPy を使用し、スパースデータを GPU に読み込む。 NumPy ブロードキャストルールで ALS を効率的に実行する。 cuDF でコンテンツベースのフィルターを構築する。
休憩 (60 分)
幅広くて深いレコメンダーをトレーニングする (120 分)	TensorFlow 2 を利用し、幅広くて深いネットワークを構築する: Keras を使用してディープネットワークを構築する。 TensorFlow 特徴列を使用し、幅広くて深いネットワークを構築する。 tf.data で効率的にトレーニングデータを取り込む。事例 1: レコメンダーシステムモデルアーキテクチャの実世界例を見る。
休憩 (15 分)
レコメンダーシステムを本稼働に展開することの課題 (120 分)	本稼働環境でレコメンダーシステムを展開する: トレーニングされたモデル構成を展開のために取得する。展開のためのコンテナーを構築する。 NVIDIA Triton Inference Server を使用し、トレーニングされたモデルを展開する。
最終確認 (15 分)	主要な学習事項をおさらいし、質問に答える。 DLI ベース環境コンテナーから独自のトレーニング環境を構築する方法を学習する。評価を完了し、証明書を取得する。ワークショップアンケートを受ける。事例 2: 大規模なレコメンダーシステムの実世界課題を復習する。

ワークショップの詳細

時間: 8 時間

価格: 価格についてはお問い合わせください。

参加条件:

リスト内包表記を理解しているなど、中級レベルの Python の知識を持っていること
Python を使用したデータサイエンスの経験があること
NumPy と行列数学に精通していること

前提条件を満たすためのおすすめリソース: Python チュートリアル、Kaggle 機械学習コース、NumPy チュートリアル

テクノロジ: CuDF、CuPy、TensorFlow 2、NVIDIA Triton^™ Inference Server

評価の種類: 技能基準のコーディング評価では、本稼働品質の推奨パイプラインを受講生がデバッグし、修正する能力を評価します。

証明書: 評価が正常に完了すると、NVIDIA DLI 証明書が参加者に贈られます。これは専門分野の能力を証明するものであり、プロフェッショナルとしてのキャリアアップを支援します。

ハードウェア要件: 最新版の Chrome または Firefox を実行できるデスクトップコンピューターまたはノート PC。参加者は全員、完全に設定が終わっている状態でクラウドに置かれている GPU 対応サーバーに専用アクセスできます。

言語: 英語

Upcoming Workshops

Central European Time

Tue, May 4, 2021

9:00 a.m.–5:00 p.m.

Register now

Pacific Time

GTC

Tue, May 11, 2021

9:00 a.m.–5:00 p.m.

Register now

お客様の組織が、AI、アクセラレーテッドデータサイエンス、アクセラレーテッドコンピューティングの主要なスキルの向上と開発にご興味をお持ちの場合、NVIDIA Deep Learning Institute (DLI) にインストラクターによるワークショップをリクエストしていただけます。

ワークショップをリクエストする

NVIDIA に問い合わせる

Contact Us for Questions on
Deep Learning Training

Section

Section

名

姓

仕事用メールアドレス

組織名/大学名

業種

肩書

役職

居住地域

市区町村

State

問い合わせ理由:

本人知悉且同意 NVIDIA Corporation 基于调研、活动组织的目的对本人的上述信息的收集和处理，并已经阅读并同意 <a href="https://www.nvidia.cn/about-nvidia/privacy-policy/" target="_blank">NVIDIA 隐私政策</a>。

本人知悉且同意，因调研、活动组织的必须，以及相对应的 NVIDIA 内部管理和系统操作的需要，上述信息会被传输到位于美国的 NVIDIA Corporation 按照符合 <a href="https://www.nvidia.cn/about-nvidia/privacy-policy/" target="_blank">NVIDIA 隐私政策</a>的方式进行存储，您可以通过发送邮件至 <a href="mailto:privacy@nvidia.com">privacy@nvidia.com</a> 进行联系以解决相关问题，实现可适用的数据保护法所规定的权利。

インストラクターによるワークショップ
インテリジェントレコメンダーシステムの構築

学習目標

ワークショップの概要

ワークショップの詳細

Upcoming Workshops

Tue, May 4, 2021

Tue, May 11, 2021

NVIDIA に問い合わせる

Contact Us for Questions on
Deep Learning Training

よくある質問と回答をご覧ください。

NVIDIA Deep Learning Institute のサービスについてお問い合わせください。

技術的な質問については、 NVIDIA 開発者フォーラムをご覧ください。

インストラクターによるワークショップ インテリジェント レコメンダー システムの構築

学習目標

ワークショップの概要

ワークショップの詳細

Upcoming Workshops

Tue, May 4, 2021

Tue, May 11, 2021

NVIDIA に問い合わせる

Contact Us for Questions on Deep Learning Training

よくある質問と回答をご覧ください。

NVIDIA Deep Learning Institute のサービスについてお問い合わせください。

技術的な質問については、 NVIDIA 開発者フォーラムをご覧ください。

インストラクターによるワークショップ
インテリジェントレコメンダーシステムの構築

Contact Us for Questions on
Deep Learning Training