Visão Geral

Quer você trabalhe em uma empresa de software que precisa melhorar a retenção de clientes, em uma empresa de serviços financeiros que precisa mitigar riscos ou em uma empresa de varejo interessada em prever o comportamento de compra dos clientes, sua organização tem a tarefa de preparar, gerenciar e coletar insights de grandes volumes. de dados sem desperdiçar recursos críticos. Os fluxos de trabalho tradicionais de ciência de dados orientados por CPU podem ser complicados, mas com o poder das GPUs, suas equipes podem entender os dados rapidamente para orientar decisões de negócios.

Objetivo

Após concluir este Curso Fundamentals of Accelerated Data Science Training, você será capaz de:

• Implementar preparação de dados acelerada por GPU e extração de recursos usando quadros de dados cuDF e Apache Arrow
• Aplique um amplo espectro de tarefas de aprendizado de máquina acelerado por GPU usando XGBoost e uma variedade de algoritmos cuML
• Execute análises gráficas aceleradas por GPU com cuGraph, obtendo análises em grande escala em pequenos períodos de tempo
• Obtenha rapidamente análises gráficas em grande escala usando rotinas cuGraph

Pre-Requisitos

• Experiência com Python, de preferência incluindo pandas e NumPy

Materiais

Conteúdo Programatico

• Introduction
• GPU-Accelerated Data Manipulation
  1. Ingest and prepare several datasets (some larger-than-memory) for use in multiple machine learning exercises later in the workshop.
  2. Read data directly to single and multiple GPUs with cuDF and Dask cuDF.
  3. Prepare population, road network, and clinic information for machine learning tasks on the GPU with cuDF.
• GPU-Accelerated Machine Learning
  1. Apply several essential machine learning techniques to the data that was prepared in the first section.
  2. Use supervised and unsupervised GPU-accelerated algorithms with cuML.
  3. Train XGBoost models with Dask on multiple GPUs.
  4. Create and analyze graph data on the GPU with cuGraph.
• Project: Data Analysis to Save the UK
  1. Apply new GPU-accelerated data manipulation and analysis skills with population-scale data to help stave off a simulated epidemic affecting the entire UK population.
  2. Use RAPIDS to integrate multiple massive datasets and perform real-world analysis.
  3. Pivot and iterate on your analysis as the simulated epidemic provides new data for each simulated day.
• Assessment and Q&A