Kerangka Materi

Pendahuluan

  • Overview of RAPIDS features and components
  • GPU computing concepts

Memulai

  • Memasang RAPIDS
  • cuDF, cUML, and Dask
  • Primitives, algorithms, and APIs

Mengelola dan Melatih Data

  • Persiapan data dan ETL
  • Membuat set pelatihan menggunakan XGBoost
  • Menguji model pelatihan
  • Working with CuPy array
  • Menggunakan data frames Apache Arrow

Memvisualisasikan dan Menyiapkan Model

  • Analisis graf dengan cuGraph
  • Mengimplementasikan Multi-GPU dengan Dask
  • Membuat dashboard interaktif dengan cuXfilter
  • Contoh inferensi dan prediksi

Penyelesaian Masalah

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Familiaritas dengan CUDA
  • Pengalaman pemrograman Python

Audience

  • Ilmuwan data
  • Pengembang
 14 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait