Visit your regional NVIDIA website for local content, pricing, and where to buy partners specific to your country.
Evento digital gratuito, organizado pela NVIDIA.
8 de novembro, 14h30 (horário de Brasília)
Junte-se a líderes do setor, pesquisadores e grandes mestres do Kaggle para aprender como as ferramentas e inovações emergentes de ciência de dados podem gerar novos insights a partir de seus dados.
A ciência de dados está impulsionando as empresas modernas, fundamentais para aplicações transformadoras como LLMs, sistemas de recomendação, detecção de fraudes, segurança cibernética e muito mais. Durante o summit, você participará de discussões online interativas sobre as tecnologias que potencializam essas aplicações, como pesquisa vetorial, análise gráfica e ML em larga escala, e como você pode otimizá-los para seu caso de uso.
Junte-se a nós para a palestra de abertura do Summit Virtual de IA e Ciência de Dados, onde você ouvirá sobre o que há de mais recente em computação acelerada para ciência de dados e aprendizado de máquina.
NetworkX estabeleceu-se como a biblioteca para cientistas de dados que usam Python para estudar gráficos e redes, e por razões óbvias: é muito fácil de usar, suporta uma grande variedade de algoritmos de grafos, e tem uma grande comunidade apoiando-o.
Mas à medida que acumulamos mais e mais dados, muitos problemas de gráficos atingem tamanhos que excedem os recursos práticos da implementação Python pura do NetworkX, forçando os usuários a abandonar o NetworkX por outra biblioteca que geralmente é mais difícil de usar.
Em resposta, a NetworkX adicionou a capacidade de despachar perfeitamente para back-ends otimizados, oferecendo aos usuários facilidade de uso e escalabilidade. Esta apresentação abordará o NetworkX para análise de gráficos e como os usuários podem aproveitar o envio para trabalhar com dados de gráficos de maneiras que antes não eram possíveis.
Desenvolvedor Científico Python Sênior de Código Aberto | UC Berkeley
Rick Ratzel, Líder Técnico, cuGraph | NVIDIA
Saiba como portar projetos de ciência de dados e engenharia de dados Python para o pacote RAPIDS de código aberto e acelerado por GPU com alterações mínimas de código. Abordaremos conselhos práticos sobre como acelerar massivamente as cargas de trabalho atualmente escritas usando Pandas/scikit-learn/NumPy e bibliotecas relacionadas, executando-as na GPU com o RAPIDS. Discutiremos manipulação de dados, análise, machine learning e funções definidas pelo usuário. Finalmente, vamos falar sobre dicas comuns e coisas a serem observadas ao portar código ou manter bases de código que precisam ser executadas em GPU e CPU. Ao final da palestra, você estará pronto para começar a converter pipelines para serem executados em GPUs.
Experiência prévia com o RAPIDS não é necessária, mas o conhecimento do mundo real de Python será importante.
Matt Harrison, Python & Data Science Corporate Trainer and Consultant | MetaSnake
Ashwin Srinath, Engenheiro de Software Sênior | NVIDIA
Dante Gama Dessavre, Cientista de Dados Sênior | NVIDIA
Nick Becker, Gerente Técnico Sênior de Produto | NVIDIA
Junte-se a nós para um painel de discussão cativante onde ilustres Grão-mestres do Kaggle compartilharão suas jornadas no mundo das competições de ciência de dados. Explore suas histórias pessoais de triunfo sobre competições desafiadoras e descubra as principais técnicas e estratégias que os impulsionaram ao auge do sucesso do Kaggle. Os aspirantes a cientistas de dados receberão dicas práticas para melhorar os rankings do Kaggle e expandir seus conjuntos de habilidades de ciência de dados.
Mikel Bober-Irizar, Engenheiro Fundador | Iconic AI
Christof Henkel, Cientista Sênior de Machine Learning | NVIDIA
Moderado por Rob Mulla, Cientista de Dados Principal Sênior | H2O.ai
A pesquisa vetorial de vizinhos mais próximos tem visto um interesse substancial nos últimos anos com seu uso em áreas como sistemas de recomendação e busca, aprendizado não supervisionado e novas aplicações, como componentes de memória para grandes modelos de linguagem (LLMs).
Esta palestra fornecerá informações básicas sobre o problema da pesquisa vetorial e as três principais compensações implícitas em sua execução: qualidade dos resultados, armazenamento de dados e requisitos de computação. A biblioteca Faiss (Facebook AI Similarity Search) da Meta, originária de 2016, fornece um kit de ferramentas algorítmico que permite muitas dessas compensações que não são frequentemente expostas por bibliotecas e serviços de pesquisa vetorial, ou compreendidas por seus usuários. A história da biblioteca Faiss e as técnicas associadas serão detalhadas, incluindo desafios específicos da GPU para sua realização. Novas aplicações interessantes de busca vetorial, como computação aproximada e compressão de dados para machine learning também serão discutidas.
Finalmente, apresentaremos o RAPIDS RAFT e como a Faiss está aproveitando o RAFT para continuar impulsionando o uso de GPUs para pesquisa de similaridade vetorial.
Matthijs Douze, Cientista Pesquisador | Laboratório de Pesquisa de IA do Facebook (FAIR) em Paris
Corey Nolet, Cientista de Dados Sênior | NVIDIA
Este painel de discussão reunirá especialistas com anos de experiência no setor para discutir aplicações do mundo real de ciência de dados e tecnologias de machine learning. Obtenha perspectivas valiosas sobre como acompanhar o cenário em rápida evolução e descubra conselhos inestimáveis para aspirantes a profissionais que desejam liderar iniciativas de ciência de dados e machine learning.
Sam Partee, Engenheiro Principal | Redis
Snehita Varma, Gerente de Ciência de Dados | Capital One
Moderado por Jeremy Howard, Pesquisador Fundador | Fast.ai
Pesquisador Fundador | Fast.ai Fast.ai
Cientista de Dados Principal Sênior | H2O.ai H2O.ai
Obtenha uma visão geral do RAPIDS, um conjunto de código aberto de bibliotecas aceleradas por GPU com APIs que espelham as ferramentas de dados de código aberto mais populares.
Aprofunde-se com nossas sessões RAPIDS do GTC 2023 em uma única playlist.
Acesse oito tutoriais diferentes e cheat sheets apresentando o ecossistema RAPIDS.
Cadastre-se para receber as últimas notícias sobre Ciência de Dados da NVIDIA.
Quero receber as últimas novidades, anúncios e mais da NVIDIA sobre Soluções de Negócios Empresariais e Tecnologias e Ferramentas para Desenvolvedores.
Quero receber as últimas novidades, anúncios e mais da NVIDIA sobre:
(Opcional). Você pode cancelar a inscrição a qualquer momento.
Política de Privacidade da NVIDIA