841973620/dli-s-ds-01-v1 repository overview

无论你是在需要提升客户留存率的软件公司工作，还是需要降低风险的金融服务公司，或是希望预测客户购买行为的零售公司工作，你的组织都肩负着准备、管理和从大量数据中获取洞察的任务，同时不浪费关键资源。传统的CPU驱动数据科学工作流程可能繁琐，但借助GPU的强大，你的团队可以快速理解数据，推动业务决策。

在本课程中，开发者将学习如何构建和执行端到端GPU加速的数据科学工作流，使他们能够快速探索、迭代并将工作投入生产环境。利用RAPIDS加速数据科学库，开发者将应用多种GPU加速机器学习算法，包括XGBoost（cuGRAPH的单源最短路径）以及cuML的KNN、DBSCAN和逻辑回归，以实现大规模数据分析。

通过学习本课程，您将能够：

• 实现GPU加速的数据准备和特征提取，使用cuDF和Apache Arrow数据帧。
• 应用广泛范围的GPU加速机器学习任务，使用XGBoost和多种cuML算法。
• 利用cuGraph执行GPU加速的图分析，在短时间内实现大规模分析。
• 用GPU加速的cuXFilter构建漂亮的数据可视化。
  
  

完成后，您将能够以数量级的速度加载、操作和分析数据，实现更多迭代周期，显著提升生产力。


task1: GPU 加速数据处理
task2: GPU 加速机器学习
task3: 项目：生物防御

运行：（将命令中的“*”改为对应数字）

docker run -it --rm --name task --gpus all -p 80:80 docker.841973620.net:8888/dli/s-ds-01-v1:cuda12.2-task*