آموزش تقویت برنامه هوش مصنوعی با شتاب NVIDIA RAPIDS

AI Application Boost with NVIDIA RAPIDS Acceleration

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: پردازشگر گرافیکی و CUDA با سرعت و عملکرد بالا! خطوط لوله علم داده را 50 برابر سریعتر بسازید! درک تفاوت‌های بین پردازش داده‌ها با استفاده از CPU و GPU استفاده از cuDF به‌عنوان جایگزینی برای پانداها برای پردازش با شتاب GPU پیاده‌سازی کدها با استفاده از cuDF برای دستکاری DataFrames استفاده از cuPy به‌عنوان جایگزینی برای Numpy برای پردازش با سرعت پردازش گرافیکی استفاده از cuML به‌عنوان جایگزینی برای یادگیری scikit-learn برای پردازش با شتاب GPU اجرای یک پروژه کامل یادگیری ماشین با استفاده از cuDF و cuML مقایسه عملکرد کتابخانه‌های پایتون کلاسیک که بر روی CPU اجرا می‌شوند با کتابخانه‌های RAPIDS که روی GPU اجرا می‌شوند. اجرای پروژه‌ها با DASK برای پردازش موازی و توزیع شده. برای عملکرد GPU پیش نیازها: منطق برنامه نویسی برنامه نویسی پایه پایتون یادگیری ماشینی: درک اولیه فرآیند آموزش الگوریتم و همچنین تکنیک های طبقه بندی و رگرسیون

علوم داده و یادگیری ماشین نشان‌دهنده بزرگترین بخش‌های محاسباتی در جهان هستند، جایی که پیشرفت‌های جزئی در دقت مدل‌های تحلیلی می‌تواند به میلیاردها تأثیر بر روی نتیجه تبدیل شود. دانشمندان داده به طور مداوم در تلاش برای آموزش، ارزیابی، تکرار، و بهینه سازی مدل ها برای دستیابی به نتایج بسیار دقیق و عملکرد استثنایی هستند. با پلتفرم قدرتمند RAPIDS NVIDIA، آنچه که روزها طول می‌کشید، اکنون می‌تواند در عرض چند دقیقه انجام شود و ساخت و استقرار مدل‌های با ارزش را آسان‌تر و چابک‌تر می‌کند. در علم داده، قدرت محاسباتی اضافی به معنای بینش سریعتر و مؤثرتر است. RAPIDS از قدرت NVIDIA CUDA برای سرعت بخشیدن به کل گردش کار آموزش مدل علم داده استفاده می کند و آن را روی واحدهای پردازش گرافیکی (GPU) اجرا می کند.

در این دوره، همه چیزهایی را که برای ارتقای برنامه های یادگیری ماشینی خود به سطح بعدی نیاز دارید، یاد خواهید گرفت! برخی از موضوعاتی که در زیر پوشش داده خواهد شد را بررسی کنید:

  • استفاده از کتابخانه های cuDF، cuPy و cuML به جای Pandas، Numpy و scikit-learn. اطمینان از پردازش داده‌ها و اجرای الگوریتم‌های یادگیری ماشین با عملکرد بالا در GPU.

  • مقایسه عملکرد کتابخانه‌های پایتون کلاسیک با RAPIDS. در برخی آزمایش‌های انجام‌شده در طول کلاس‌ها، ما به نرخ‌های شتاب بیش از 900 برابر دست یافتیم. این نشان می دهد که با پایگاه داده ها و الگوریتم های خاص، RAPIDS می تواند 900 برابر سریع تر باشد!

  • ایجاد یک پروژه کامل و گام به گام یادگیری ماشین با استفاده از RAPIDS، از بارگذاری داده تا پیش‌بینی.

  • استفاده از DASK برای موازی کاری در چندین GPU یا CPU. برای عملکرد برتر با RAPIDS یکپارچه شده است.

در طول دوره، از زبان برنامه نویسی پایتون و Google Colab آنلاین استفاده خواهیم کرد. به این ترتیب، برای پیگیری کلاس‌ها نیازی به داشتن یک GPU محلی ندارید، زیرا ما از سخت‌افزار رایگان ارائه شده توسط Google استفاده خواهیم کرد.


سرفصل ها و درس ها

معرفی Introduction

  • محتوای دوره Course content

  • CPU در مقابل GPU CPU vs GPU

  • GPU و CUDA GPU and CUDA

  • رپیدز RAPIDS

  • مواد درسی Course materials

cuDF cuDF

  • cuDF - شهود cuDF - intuition

  • نصب و راه اندازی Installation

  • پانداها و cuDF Pandas and cuDF

  • دستورات اولیه 1 Basic commands 1

  • دستورات اولیه 2 Basic commands 2

  • دستورات پایه 3 Basic commands 3

  • دستورات پایه 4 Basic commands 4

  • ادغام با cuPy Integration with cuPy

  • سایر تبدیل های داده Other data convertions

  • توابع تعریف شده توسط کاربر 1 User defined functions 1

  • توابع تعریف شده توسط کاربر 2 User defined functions 2

  • توابع تعریف شده توسط کاربر 3 User defined functions 3

  • مقایسه عملکرد 1 Performance comparison 1

  • مقایسه عملکرد 2 Performance comparison 2

  • مقایسه عملکرد 3 Performance comparison 3

cuML cuML

  • cuML - شهود cuML - intution

  • آماده سازی محیط Preparing the environment

  • رگرسیون با scikit-learn Regression with scikit-learn

  • رگرسیون با cuML Regression with cuML

  • رگرسیون ریج Ridge regression

  • تنظیم پارامتر Parameter tuning

  • مقایسه عملکرد 1 Performance comparison 1

  • مقایسه عملکرد 2 Performance comparison 2

  • مقایسه عملکرد 3 Performance comparison 3

پروژه کامل Complete project

  • تاسیسات و کتابخانه ها Installations and libraries

  • مجموعه داده های سرشماری Census dataset

  • ویژگی های دسته بندی 1 Categorical features 1

  • ویژگی های دسته بندی 2 Categorical features 2

  • پیش پردازش اضافی Additional pre-processing

  • رگرسیون لجستیک و kNN Logistic regression and kNN

  • جنگل تصادفی و SVM Random Forest and SVM

  • مشق شب HOMEWORK

  • راه حل تکلیف 1 Homework solution 1

  • راه حل تکلیف 2 Homework solution 2

DASK DASK

  • DASK - شهود DASK - intuition

  • ایجاد یک خوشه محلی Creating a local cluster

  • آرایه ها در GPU های توزیع شده Arrays in distributed GPUs

  • DASK و cuDF DASK and cuDF

  • DASK و cuML 1 DASK and cuML 1

  • DASK و cuML 2 DASK and cuML 2

اظهارات پایانی Final remarks

  • اظهارات پایانی Final remarks

  • جایزه BONUS

نمایش نظرات

آموزش تقویت برنامه هوش مصنوعی با شتاب NVIDIA RAPIDS
جزییات دوره
6.5 hours
47
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
375
4.3 از 5
ندارد
ندارد
ندارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jones Granatyr Jones Granatyr

استاد اولا! 10 مورد از جونز گراناتیر و ترابیلو در 10 سال گذشته است که شامل Inteligência Artificial (IA) می باشد استاد حرفه ای ، پشکیزادور و بنیانگذار پورتال IA Expert ، وب سایت com conteúdo específico sobre Inteligência Artificial. Desde que iniciei na Udemy criei vários cursos sobre diversos assuntos de IA، como as exemplolo: یادگیری عمیق ، یادگیری ماشین ، علم داده ، Redes Neurais Artificiais، Algoritmos Genéticos، Detecção e Reconhecimento Facial، Algoritmos de cesos، Busca ، Mineração de Regras de Associação ، Sistemas Especialistas e Sistemas de Recomendação. اگر بخواهید از طریق برنامه های مختلف زبان (Python ، R e Java) و یا فن آوری های مختلف (tensorflow ، keras ، pandas ، sklearn ، opencv ، dlib ، weka ، nltk ، به عنوان مثال) استفاده کنید. با توجه به هدف اصلی و دستیابی به اطلاعات IA و مجوز فعالیت در TI و متقاضیان ، به عنوان تجدید نظر در زمینه استفاده از قوانین و مقررات و امکان مشاهده تجدید نظرهای جدید در زمینه مشروبات الکلی ارائه می شود.

Gabriel Alves Gabriel Alves

توسعه دهنده Olá ، eu me chamo گابریل آلوس و به صورت رسمی در قالب Cienscia da Computação pela Universidade do Contestado (UnC) Porto União. Curso Técnico em Informática pelo Colégio Técnico de União da Vitória (COLTEC) ، نتیجه گیری در سال 2014. ما با استفاده از زبانهای ویژه و ویژه زبانهای پایتون ، با کیفیت مناسب ترجیح می دهیم که از هیچ یک از مصالح مصنوعی Inteligência استفاده نکنید. Sou desde semper apaixonado pela computação e por temas que envolvem ciência e tecnologia.

AI Expert Academy AI Expert Academy

مربی