841973620/dli-s-ds-06-v1 repository overview

特征工程是机器学习流程中的关键一步，通常决定了平均模型与高精度模型之间的区别。本课程介绍将原始表格数据转化为有意义特征以提升模型性能和泛化性的基础重要性。基于此，学生将学习如何使用 GPU 加速库如 cuDF 和 RAPIDS，大规模执行特征工程任务——如目标编码、计数编码、分帧和分类。通过利用 GPU 并行性，课程使学习者能够加快数据准备，缩短迭代时间，并在大型数据集上构建更有效的模型。

通过学习本课程，您将能够：

• 分享针对表格数据的特征工程技术最佳实践
• 从类别列创建特征
• 用 RAPIDS cuDF-Pandas 零代码变更功能加速数据帧操作
• 使用我们所创建的特征训练模型，并评估哪种特征工程技术能创造出最准确的模型

运行：

docker run -it --rm --name task --gpus all -p 80:80 docker.841973620.net:8888/dli/s-ds-06-v1:cuda12.2-task