841973620/dli-s-ds-04-v1 repository overview

聚类是机器学习中的一种基础技术，用于揭示数据中的隐藏模式和结构，而无需依赖标注的实例。从客户细分和欺诈检测到图像组织和文档分类，集群驱动了许多实际应用。随着数据规模和复杂度的增长——尤其是在大型语言模型（LLM）训练等现代工作流程中——高效且有效的聚类变得至关重要。本课程将实践介绍常见聚类算法，如K-Means、DBSCAN和HDBSCAN，并探讨它们在实际中的应用，包括它们在预处理、数据压缩和LLM标记分组中的作用。学生将获得聚类工作流程的理论和实践理解，并学习如何将其应用于多样化数据集。本课程将利用可扩展的GPU加速工具，使大规模数据的聚类成为可能，使学生能够在多个领域构建更快、更稳健的模型。

通过学习本课程，您将能够：

• 理解聚类的核心原则，并区分K-Means、DBSCAN和HDBSCAN等常见算法
• 基于数据特征如尺度、维度和噪声，评估不同聚类方法的优势和局限性
• 将聚类算法应用于客户细分、图像分析、异常检测和自然语言处理等领域的真实数据集
• 利用RAPIDS、cuML和UMAP等工具实现可扩展、GPU加速的聚类工作流，适用于大型或高维数据集

运行：

docker run -it --rm --name task --gpus all -p 80:80 docker.841973620.net:8888/dli/s-ds-04-v1:cuda12.2-task