가속 추론 API 고객을 위해 GPU에 트랜스포머 모델을 제공할 때 Hugging Face 속도 향상에 대해 알아보세요.
이 강연에서는 AI 연구원과 엔지니어가 그래프 기반 머신 러닝 모델을 보다 효과적으로 트레이닝하는 데 도움이 되는 자동 차별화를 위한 오픈 소스 프레임워크인 GTN을 소개합니다.
이 세션에서는 언어 이해에 대한 탁월한 정확도, 속도 및 확장성을 제공하는 오픈 소스 Spark NLP 라이브러리를 제공합니다. 이는 딥 러닝 및 전이 학습에 대한 가장 최근의 연구 성과를 프로덕션 환경에 구현합니다.
이 강연에서는 대화형 팀, 실제 사용자 데이터 및 인사이트, 실제 조건에서 더 탄력적인 도우미를 생성하는 고유한 접근법이 필요한 이유를 알 수 있습니다.
고급 대화형 AI 시스템의 아키텍처에 대해 자세히 알아보고 다중 기술 가상 도우미에서 대화 전략을 관리하는 방법을 알아보세요.
GPU 기반 딥 러닝과 최첨단 자연어 이해 기술에 관심이 있으십니까? 이 강연에서는 보험 및 금융 서비스에서 통신 사업자를 지원하기 위해 자동 사기 탐지 기능을 제공하는 자동화된 설명 가능한 사기 탐지 시스템인 LexIQal을 소개합니다.
표 데이터(TabNets)를 위한 대규모 관심 기반 신경망에 맞게 GPU 가속 엔드 투 엔드 트레이닝 파이프라인을 확장하기 위해 Dask, NVTabular 및 TensorFlow를 사용하는 방법을 보여줍니다.
Tencent가 NVIDIA Merlin을 사용하여 실제 광고 추천 트레이닝을 배포하고, 동일한 GPU 플랫폼에서 원래 Tensorflow 솔루션보다 7배 더 빠른 속도를 달성한 방법을 설명합니다.
이 세션에서는 cuDF 및 Dask-cuDF를 사용하여 오프라인 환경에서 추천 시스템을 평가하는 시간을 대폭 단축하는 대화형 모델 평가 시스템을 구축한 방법을 설명합니다.
NVIDIA Merlin 프레임워크가 GPU의 추천 시스템을 가속화하여 일반적인 ETL(추출, 변환, 부하) 작업, 모델 트레이닝, 추론 처리 시간을 일반적으로 사용되는 방법보다 최대 10배까지 단축하는 방법을 설명합니다.
이 강연에서는 GPU 워크플로우를 기반으로 하는 산업용 추천 시스템의 최신 기법을 소개합니다. 또한 반사실적 학습 기법에 대한 배경 정보를 설명한 후, 산업용 애플리케이션의 실용적인 정보와 데이터를 제공할 것입니다.
이 강연에서는 GPU 워크플로우를 기반으로 하는 산업용 추천 시스템의 최신 기법을 소개합니다. 또한 반사실적 학습 기법에 대한 배경 정보를 설명한 후, 산업용 애플리케이션의 실용적인 정보와 데이터를 제공할 것입니다.
GPU를 사용하여 대규모 추천 모델을 트레이닝한 Facebook의 노력과 과제에 대해 알아보세요.
영상 배경을 교체하고, 60fps의 HD 영상에서 최첨단 매트를 구현하고, 오디오 노이즈 제거를 위해 지역화로 순수한 오디오 기반 스피커 분리를 구현하기 위한 팀의 노력을 확인하세요.
머신 러닝 및 컴퓨터 그래픽과 관련된 학습 기반 3D 재구성 문제에 사면체 볼륨 메쉬를 사용하는 특정 매개 변수화 기법인 DefTet(Deformable Tetrahedral Meshes)을 소개합니다.
시뮬레이션 지원 방법, 자체 감독, 약감독, 반감독 등 감독 축소로 장면 이해를 용이하게 하는 몇 가지 최근 방법과 프레임워크를 소개합니다.
NVIDIA GPU와 Unity를 사용하여 클라우드에서 대규모 합성 데이터세트를 생성하고 트레이닝하는 ML 개발을 위한 새로운 빠른 반복 주기를 설명합니다.
NVIDIA GPU에서 매우 효율적으로 확장되는 CNN을 설계하는 방법을 알아보세요. T-ResNet 및 ResNet - B, C, D와 같은 ResNets의 다양한 버전과 이를 사용하여 이미지 인식을 수행하는 방법에 대한 사례 연구를 수행할 것입니다.
첫째, 고해상도 항공 이미지를 수집하고 딥 러닝 기반 밀도 추정 접근법을 사용하여 현장에서 꽃이 핀 파인애플 식물의 수와 위치를 파악하여 화학 물질을 정밀하게 적용하고 폐기물을 줄일 수 있습니다. 둘째, 옥수수와 대두 밭의 세로 항공 영상을 사용하여 영양소 결핍 스트레스를 감지하고 예측할 것입니다.