课程大纲

介绍

  • RAPIDS 功能和组件概述
  • GPU 计算概念

开始

  • 安装 RAPIDS
  • cuDF、cUML 和 Dask
  • 基元、算法和 API

管理和训练数据

  • 数据准备和 ETL
  • 使用 XGBoost 创建训练集
  • 测试训练模型
  • 使用 CuPy 数组
  • 使用 Apache Arrow 数据框

可视化和部署模型

  • 使用 cuGraph 进行图形分析
  • 使用 Dask 实现 Multi-GPU
  • 使用 cuXfilter 创建交互式仪表板
  • 推理和预测示例

故障 排除

摘要和后续步骤

要求

  • 熟悉 CUDA
  • Python 编程经验

观众

  • 数据科学家
  • 开发 人员
 14 小时

人数



每位参与者的报价

客户评论 (5)

相关课程

课程分类