|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/aceleracao-de-aplicacoes-de-ia-com-nvidia-rapids/
课程评论：没有评论
课程名称：使用 NVIDIA RAPIDS 加速 AI 应用程序 课程概述：数据科学和机器学习是全球最大的计算领域之一，模型精度的微小改进可以带来数十亿美元的收益。数据科学家不断努力训练、评估、迭代和优化模型，以实现高精准度和卓越的性能。借助 NVIDIA 的 RAPIDS 强大平台，以前需要数天才能完成的工作现在可以在几分钟内完成，从而使构建和部署高价值模型变得更加轻松和灵活。RAPIDS 利用 NVIDIA CUDA 的计算能力加速整个数据科学模型训练工作流，在图形处理单元 (GPU) 上执行。通过本课程，您将学习如何将您的机器学习应用程序提升到一个新的水平！ 课程内容包括： - 使用 cuDF、cuPy 和 cuML 库代替 Pandas、Numpy 和 scikit-learn，以确保数据处理和机器学习算法在 GPU 上以高性能运行。 - 比较经典 Python 库与 RAPIDS 的性能。在一些课堂实验中，我们实现了超过 900 倍的加速。这表明在特定数据集和算法下，RAPIDS 的速度可以快到 900 倍！ - 创建一个完整的机器学习项目，步骤清晰，从数据加载到预测展示。 - 使用 DASK 在多个 GPU 或 CPU 上进行任务并行，提高性能。 课程将使用 Python 编程语言和 Google Colab 在线进行，因此您无需拥有本地 GPU 也能参与学习，因为我们将使用 Google 提供的免费硬件。
A ciência de dados e o machine learning representam os maiores setores computacionais do mundo, onde melhorias modestas na precisão dos modelos analíticos podem se traduzir em bilhões de impacto no resultado final. Os cientistas de dados constantemente se esforçam para treinar, avaliar, iterar e otimizar modelos para alcançar resultados altamente precisos e um desempenho excepcional. Com a poderosa plataforma RAPIDS da NVIDIA, o que antes levava dias agora pode ser realizado em questão de minutos, tornando a construção e implantação de modelos de alto valor mais fácil e ágil. Em Data Science, a capacidade computacional adicional significa insights mais rápidos e eficazes. RAPIDS aproveita o poder do NVIDIA CUDA para acelerar todo o fluxo de trabalho de treinamento de modelos de ciência de dados, executando-o em unidades de processamento gráfico (GPUs).Neste curso, você vai aprender tudo o que precisa saber para levar suas aplicações de aprendizado de máquina para outro nível! Confira abaixo alguns dos tópicos que serão abordados:Utilizar as bibliotecas cuDF, cuPy e cuML ao invés do Pandas, Numpy e scikit-learn; o que garante que os dados sejam processados e algoritmos de machine learning executados com alto desempenho na GPUComparar o desempenho das bibliotecas clássicas do Python com o RAPIDS. Em alguns experimentos executados durante as aulas, conseguimos taxas de aceleração superiores a 900x. Isso indica que em determinadas bases de dados e com determinados algoritmos, o RAPIDS consegue ser 900 vezes mais rápido!Criar um projeto completo e passo a passo de machine learning utilizando o RAPIDS, desde o carregamento dos dados até as previsõesUtilizar o DASK para paralelismo de tarefas em múltiplas GPUs ou CPUs; integrado com o RAPIDS para um desempenho superiorDurante o curso vamos utilizar a linguagem de programação Python e o Google Colab on-line. Desta forma, você não precisa possuir uma GPU local para acompanhar as aulas, pois utilizaremos o hardware gratuito disponibilizado pelo Google.
