NVIDIA 認證課程

透過 RAPIDS 加速資料科學基礎課程
Fundamentals of Accelerated Data Science

無論你是在需要提升客戶保留率的軟體公司、需要降低風險的金融服務公司，或是有興趣預測客戶購買行為的零售公司，貴組織都是要在不浪費任何重要資源的情況下，從大量資料中準備、管理和收集深入分析資訊。傳統的以 CPU 驅動資料科學工作流程可能比較麻煩，但有了 GPU 的能力，你的團隊可以快速瞭解資料，以利做出商業決策。

在此實作坊中，你將學習如何建立和執行端對端 GPU 加速的資料科學工作流程，讓你快速探索、迭代，並為工作提高生產力。使用 RAPIDS™ 加速資料科學函式庫，你將應用多種 GPU 加速的機器學習演算法，包括 XGBoost、cuGRAPH 的單一來源最短路徑，以及 cuML 的 KNN、DBSCAN 和羅吉斯迴歸，以大規模執行資料分析。

學習目標

參加本實作坊可學會：

  • 使用 cuDF 和 Apache Arrow 資料架構，實作 GPU 加速的資料準備和特徵擷取
  • 運用 XGBoost 和多種 cuML 演算法，應用各種 GPU 加速的機器學習工作
  • 使用 cuGraph 執行 GPU 加速的圖表分析，以在短暫的時間內完成大規模分析
  • 運用 cuGraph 常式快速完成大規模圖表分析

實作坊大綱

時程 程序項目
15 分鐘   概覽
  • 認識講師
  • 在 learn.nvidia.com/join 建立帳號
120 分鐘   GPU 加速資料操作
   擷取和準備數個資料集，其中包含大於記憶體的資料集，以在稍後的實作坊中供多個機器學習練習使用：
  • 使用 cuDF 和 Dask cuDF，將資料直接讀取至單一或多個 GPU。
  • 使用 cuDF 準備人口、道路網和診所資訊，供 GPU 機器學習工作使用。
60 分鐘 休息時間
120 分鐘   GPU 加速機器學習
   將數種基本的機器學習技術，應用於第一節準備的資料上：
  • 透過 cuML 使用監督式與非監督式 GPU 加速演算法。
  • 在多個 GPU 上使用 Dask 訓練 XGBoost 模型。
  • 透過 cuGraph 在 GPU 上建立並分析圖表資料。
15 分鐘 休息時間
120 分鐘   專案：透過資料分析拯救英國
   將新的 GPU 加速資料操作和分析技術應用於人口規模資料，以協助阻止模擬傳染病影響全英國人口：
  • 使用 RAPIDS 整合多個大型資料集，並執行真實世界的分析。
  • 依傳染病的模擬情況，提供每個模擬日的新資料，進行樞紐和迭代分析。
15 分鐘   測驗與問答

實作坊詳情

時間： 8 小時

必備基礎能力： Python 程式經驗，具有 Pandas 與 NumPy 經驗尤佳

技術： RAPIDS、cuDF、XGBoost、cuML、cuGraph、Dask、cuPy、pandas、NumPy、Bokeh

認證證書： 完成測驗後，參與者將會收到 NVIDIA DLI 認證證書，證明他們具有相關主題的能力，支援其專業職涯成長。