여러분의 회사가 고객 유지율을 개선해야 하는 소프트웨어 회사인지, 위험을 완화해야 하는 금융 서비스 회사 또는 고객 구매 행동을 예측하는 데 관심이 있는 리테일 회사에 해당되는 지와 관계없이 회사는 중요 리소스를 낭비하지 않으면서 대용량 데이터를 준비하고 관리하고 그로부터 인사이트를 확보해야 합니다. 기존 CPU 중심의 데이터 사이언스 워크플로우는 번거로울 수 있지만 GPU의 성능을 활용하면 팀에서 데이터를 빠르게 파악하여 비즈니스 의사 결정을 내릴 수 있습니다.
이 워크숍에서는 작업을 빠르게 탐색하고 반복 작업하며 프로덕션으로 투입할 수 있게 만드는 엔드 투 엔드 GPU 가속 데이터 사이언스 워크플로우를 구축하고 실행하는 방법을 설명합니다. RAPIDS™ 가속 데이터 사이언스 라이브러리를 사용하여 XGBoost, cuGRAPH의 단일 소스 최단 경로, cuML의 KNN, DBSCAN 및 로지스틱 회귀를 포함하는 매우 다양한 GPU 가속 머신 러닝 알고리즘을 적용해 원하는 규모로 데이터 분석을 수행합니다.
학습 목표
이 워크숍에 참여함으로써 다음을 수행할 수 있게 됩니다.
- cuDF 및 Apache Arrow 데이터 프레임을 사용하여 GPU 가속 데이터 준비 및 특징 추출 구현
- › XGBoost 및 다양한 cuML 알고리즘을 사용하여 광범위한 GPU 가속 머신 러닝 작업 적용
- › cuGraph를 사용하여 GPU 가속 그래프 분석을 실행하고 단기간에 방대한 규모의 분석 달성
- › cuGraph 루틴을 사용하여 방대한 규모의 그래프 분석을 빠르게 달성
워크숍 데이터시트 다운로드 (PDF 298 KB)