Aceleração de Aplicações de IA com NVIDIA RAPIDS
What you'll learn
- Entender as diferenças entre processamento utilizando CPU e GPU
- Utilizar o cuDF como substituto ao pandas para processamento acelerado na GPU
- Implementar códigos utilizando o cuDF para manipulação de DataFrames
- Utilizar o cuPy como substituto ao numpy para processamento acelerado na GPU
- Utilizar o cuML como substituo ao scikit-learn para processamento acelerado na GPU
- Implementar projetos de machine learning completos utilizando o cuDF e cuML
- Comparar o desempenho das bibliotecas clássicas do Python que são executadas na CPU com as bibliotecas do RAPIDS executadas na GPU
- Implementar projetos com o DASK para processamento paralelo e distribuído
- Integrar o DASK com o cuDF e cuML para desempenho superior na GPU
Requirements
- Lógica de programação
- Programação básica em Python
- Machine learning: entendimento básico do processo de treinamento de algoritmos, bem como as técnicas de classificação e regressão
Description
A ciência de dados e o machine learning representam os maiores setores computacionais do mundo, onde melhorias modestas na precisão dos modelos analíticos podem se traduzir em bilhões de impacto no resultado final. Os cientistas de dados constantemente se esforçam para treinar, avaliar, iterar e otimizar modelos para alcançar resultados altamente precisos e um desempenho excepcional. Com a poderosa plataforma RAPIDS da NVIDIA, o que antes levava dias agora pode ser realizado em questão de minutos, tornando a construção e implantação de modelos de alto valor mais fácil e ágil. Em Data Science, a capacidade computacional adicional significa insights mais rápidos e eficazes. RAPIDS aproveita o poder do NVIDIA CUDA para acelerar todo o fluxo de trabalho de treinamento de modelos de ciência de dados, executando-o em unidades de processamento gráfico (GPUs).
Neste curso, você vai aprender tudo o que precisa saber para levar suas aplicações de aprendizado de máquina para outro nível! Confira abaixo alguns dos tópicos que serão abordados:
Utilizar as bibliotecas cuDF, cuPy e cuML ao invés do Pandas, Numpy e scikit-learn; o que garante que os dados sejam processados e algoritmos de machine learning executados com alto desempenho na GPU
Comparar o desempenho das bibliotecas clássicas do Python com o RAPIDS. Em alguns experimentos executados durante as aulas, conseguimos taxas de aceleração superiores a 900x. Isso indica que em determinadas bases de dados e com determinados algoritmos, o RAPIDS consegue ser 900 vezes mais rápido!
Criar um projeto completo e passo a passo de machine learning utilizando o RAPIDS, desde o carregamento dos dados até as previsões
Utilizar o DASK para paralelismo de tarefas em múltiplas GPUs ou CPUs; integrado com o RAPIDS para um desempenho superior
Durante o curso vamos utilizar a linguagem de programação Python e o Google Colab on-line. Desta forma, você não precisa possuir uma GPU local para acompanhar as aulas, pois utilizaremos o hardware gratuito disponibilizado pelo Google.
Who this course is for:
- Cientistas de Dados e profissionais de Inteligência Artificial que querem aumentar o desempenho de suas aplicações
- Profissionais que trabalham ou desejam trabalhar na área de ciência de dados, especialmente aqueles que desejam melhorar suas habilidades em treinamento de modelos de machine learning e análise de dados
- Qualquer pessoa que tenha interesse em aprender sobre machine learning, especialmente com foco em implementações de alto desempenho usando GPUs
- Profissionais que estão envolvidos no desenvolvimento e implementação de modelos de machine learning
- Alunos de graduação e pós-graduação que estão estudando disciplinas ligadas a área de Inteligência Artificial
Instructors
- 4.6 Instructor Rating
- 45,632 Reviews
- 222,229 Students
- 111 Courses
Olá! Meu nome é Jones Granatyr e já trabalho em torno de 10 anos com Inteligência Artificial (IA), inclusive fiz o meu mestrado e doutorado nessa área. Atualmente sou professor, pesquisador e fundador do portal IA Expert, um site com conteúdo específico sobre Inteligência Artificial. Desde que iniciei na Udemy criei vários cursos sobre diversos assuntos de IA, como por exemplo: Deep Learning, Machine Learning, Data Science, Redes Neurais Artificiais, Algoritmos Genéticos, Detecção e Reconhecimento Facial, Algoritmos de Busca, Mineração de Textos, Buscas em Textos, Mineração de Regras de Associação, Sistemas Especialistas e Sistemas de Recomendação. Os cursos são abordados em diversas linguagens de programação (Python, R e Java) e com várias ferramentas/tecnologias (tensorflow, keras, pandas, sklearn, opencv, dlib, weka, nltk, por exemplo). Meu principal objetivo é desmistificar a área de IA e ajudar profissionais de TI a entenderem como essa tecnologia pode ser utilizada na prática e que possam visualizar novas oportunidades de negócios.
- 4.7 Instructor Rating
- 39,809 Reviews
- 131,802 Students
- 77 Courses
A plataforma IA Expert tem o objetivo de trazer cursos teóricos e práticos de fácil entendimento sobre sobre Inteligência Artificial e Ciência de Dados, para que profissionais de todas as áreas consigam entender e aplicar os benefícios que a IA pode trazer para seus negócios, bem como apresentar todas as oportunidades que essa área pode trazer para profissionais de tecnologia da informação. Também trazemos notícias atualizadas semanais sobre a área em nosso portal.
- 4.6 Instructor Rating
- 6,428 Reviews
- 62,744 Students
- 22 Courses
Olá, eu me chamo Gabriel Alves e sou formado em Ciência da Computação pela Universidade do Contestado (UnC) de Porto União - SC. Também possuo Curso Técnico em Informática pelo Colégio Técnico de União da Vitória (COLTEC), concluído em 2014. Trabalho como desenvolvedor há 10 anos, mas já lido com programação há mais de 12 anos. Em meus projetos faço o uso de várias linguagens, especialmente Python, a qual tenho preferência para utilizar no desenvolvimento das minhas pesquisas relacionadas a Inteligência Artificial e Aprendizagem de Máquina. Sou desde sempre apaixonado pela computação e por temas que envolvem ciência, tecnologia e arte.