Schulungsübersicht

Einführung

  • Überblick über die Funktionen und Komponenten von RAPIDS
  • GPU-Computing-Konzepte

Erste Schritte

  • Installation von RAPIDS
  • cuDF, cUML und Dask
  • Primitive, Algorithmen und APIs

Verwaltung und Schulung von Daten

  • Datenvorbereitung und ETL
  • Erstellung eines Trainingssatzes mit XGBoost
  • Testen des Trainingsmodells
  • Arbeiten mit CuPy-Array
  • Verwendung von Apache Arrow Datenrahmen

Visualisieren und Bereitstellen von Modellen

  • Graphenanalyse mit cuGraph
  • Implementierung von Multi-GPU mit Dask
  • Erstellung eines interaktiven Dashboards mit cuXfilter
  • Beispiele für Inferenzen und Vorhersagen

Fehlersuche

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Vertrautheit mit CUDA
  • Python Programmiererfahrung

Publikum

  • Datenwissenschaftler
  • Entwickler
 14 Stunden

Teilnehmerzahl



Preis je Teilnehmer

Erfahrungsberichte (5)

Kombinierte Kurse

Data Analysis with Python, Pandas and Numpy

14 Stunden

Accelerating Python Pandas Workflows with Modin

14 Stunden

Machine Learning with Python and Pandas

14 Stunden

Scaling Data Analysis with Python and Dask

14 Stunden

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

14 Stunden

Developing APIs with Python and FastAPI

14 Stunden

Scientific Computing with Python SciPy

7 Stunden

Game Development with PyGame

7 Stunden

Web application development with Flask

14 Stunden

Advanced Flask

14 Stunden

Build REST APIs with Python and Flask

14 Stunden

GUI Programming with Python and Tkinter

14 Stunden

Kivy: Building Android Apps with Python

7 Stunden

GUI Programming with Python and PyQt

21 Stunden

Web Development with Web2Py

28 Stunden

Verwandte Kategorien