Đào tạo giảng viên nguồn AI

Bởi Nguyễn Văn A Danh mục: Nữ công
Thêm vào yêu thích Chia sẻ
Chia sẻ khóa học
Trang liên kết
Chia sẻ trên mạng xã hội

Giới thiệu về khóa học

Khóa học này giúp bạn tăng tốc xử lý dữ liệu với GPU, từ chuẩn bị đến phân tích. Tìm hiểu RAPIDS™ và các thuật toán như XGBoost, cuGraph, cuML để tối ưu hóa quy trình, phân tích dữ liệu quy mô lớn và đưa ra quyết định nhanh chóng, chính xác.

Bạn sẽ học được gì?

  • Triển khai xử lý và trích xuất dữ liệu với GPU bằng cuDF và Apache Arrow.
  • Ứng dụng các thuật toán Machine Learning GPU-accelerated như XGBoost, cuML.
  • Phân tích đồ thị quy mô lớn với cuGraph một cách nhanh chóng.
  • Đạt hiệu suất vượt trội cho phân tích dữ liệu nhờ cuGraph routines.

Nội dung khóa học

Giới thiệu (15 phút)

Xử lý Dữ liệu với GPU (120 phút)
Nhập và chuẩn bị nhiều tập dữ liệu (bao gồm cả tập dữ liệu lớn hơn bộ nhớ) để sử dụng trong các bài tập machine learning sau này trong khóa học: - Đọc dữ liệu trực tiếp trên một hoặc nhiều GPU bằng cuDF và Dask cuDF. - Xử lý dữ liệu dân số, mạng lưới giao thông và thông tin phòng khám để phục vụ các bài toán machine learning trên GPU bằng cuDF.

Nghỉ (60 phút)

GPU-Accelerated Machine Learning (120 phút)
Áp dụng các kỹ thuật machine learning quan trọng trên tập dữ liệu đã chuẩn bị ở phần trước: - Sử dụng các thuật toán học có giám sát và không giám sát được tăng tốc trên GPU với cuML. - Huấn luyện mô hình XGBoost với Dask trên nhiều GPU. - Tạo và phân tích dữ liệu đồ thị trên GPU bằng cuGraph.

Nghỉ (15 phút)

Dự án phân tích dữ liệu: “Save the UK” (120 phút)
Áp dụng kỹ năng xử lý và phân tích dữ liệu tăng tốc bằng GPU trên dữ liệu quy mô dân số để ngăn chặn một dịch bệnh giả lập ảnh hưởng đến toàn bộ dân số Vương quốc Anh. - Sử dụng RAPIDS để tích hợp nhiều tập dữ liệu lớn và thực hiện phân tích thực tế. - Điều chỉnh và cập nhật phân tích theo dữ liệu mới được cung cấp qua từng ngày mô phỏng.

Đánh giá & Hỏi đáp (15 phút)

Cảm nhận & Đánh giá từ Học viên

Chưa có đánh giá
Chưa có đánh giá