Независимо от того, работаете ли вы в ИТ-компании, которой необходимо повысить лояльность клиентов, в организации, предоставляющей финансовые услуги, которой нужно снизить риски, или в розничной торговле и заинтересованы в прогнозировании покупательского поведения, перед вами стоит задача подготовки, управления и получения информации из больших объемов данных без больших потерь. Традиционные процессы обработки данных на CPU могут отнимать много времени, но благодаря мощности GPU ваши сотрудники смогут быстро работать с данными для принятия более взвешенных решений.
На этом семинаре вы узнаете, как выполнять анализ данных с ускорением на GPU, что позволит быстрее исследовать, проводить итерации и запускать свою работу в производство. Работая с библиотеками для анализа данных с ускорением на GPU RAPIDS™, вы используете множество алгоритмов машинного обучения, включая XGBoost, cuGRAPH, решающий задачу SSSP, а также cuML KNN, DBSCAN и логистическую регрессию.
Цели обучения
На этом практикуме вам предстоит:
- Подготовить данные с ускорением на GPU и извлечь признаки с помощью фреймов данных cuDF и Apache Arrow
- Примените широкий спектр задач машинного обучения с ускорением на GPU при помощи XGBoost и различных алгоритмов cuML
- Выполните графический анализ с ускорением на GPU с помощью cuGraph за небольшой промежуток времени
- Проведите быстрый масштабный графический анализ данных с использованием задач cuGraph
Скачать описание практикума (PDF, 298 KБ)