Plan du cours

Introduction

  • Vue d'ensemble des caractéristiques et des composants de RAPIDS
  • Concepts de calcul par le GPU

Pour commencer

  • Installation de RAPIDS
  • cuDF, cUML et Dask
  • Primitives, algorithmes et API

Gestion et formation des données

  • Préparation des données et ETL
  • Création d'un ensemble d'entraînement à l'aide de XGBoost
  • Test du modèle d'entraînement
  • Travailler avec les tableaux CuPy
  • Utilisation des cadres de données Apache Arrow

Visualisation et déploiement des modèles

  • Analyse de graphes avec cuGraph
  • Implémentation de Multi-GPU avec Dask
  • Créer un tableau de bord interactif avec cuXfilter
  • Exemples d'inférence et de prédiction

Dépannage

Résumé et prochaines étapes

Pré requis

  • Familiarité avec CUDA
  • Python expérience en programmation

Public

  • Data scientists
  • Développeurs
 14 heures

Nombre de participants



Prix par participant

Nos Clients témoignent (5)

Cours Similaires

Data Analysis with Python, Pandas and Numpy

14 heures

Accelerating Python Pandas Workflows with Modin

14 heures

Machine Learning with Python and Pandas

14 heures

Scaling Data Analysis with Python and Dask

14 heures

FARM (FastAPI, React, and MongoDB) Full Stack Development

14 heures

Developing APIs with Python and FastAPI

14 heures

Scientific Computing with Python SciPy

7 heures

Game Development with PyGame

7 heures

Web application development with Flask

14 heures

Advanced Flask

14 heures

Build REST APIs with Python and Flask

14 heures

GUI Programming with Python and Tkinter

14 heures

Kivy: Building Android Apps with Python

7 heures

GUI Programming with Python and PyQt

21 heures

Web Development with Web2Py

28 heures

Catégories Similaires