Delavnica: Uvod v ogrodje NVIDIA RAPIDS

Europe/Ljubljana
MS TEAMS

MS TEAMS

Mladen Borovič (UM FERI)
Description

Kratek opis: Udeleženci bodo spoznali odprtokodno ogrodje NVIDIA RAPIDS, ki vsebuje knjižnice za strojno pospešeno delo s podatki in strojno učenje. Predstavljena bo arhitektura ogrodja NVIDIA RAPIDS s poudarkom na knjižnicah cuDF, cuML in cuGraph. Udeleženci bodo na primerih preizkusili ogrodje NVIDIA RAPIDS in ga primerjali z rešitvami brez pospeševanja (knjižnici scikit-learn in NetworkX). V sklopu primerjave bodo na srednje veliki podatkovni zbirki naučili klasifikator in spoznali prednosti strojnega pospeševanja za potrebe strojnega učenja.

Podrobnejši opis: V tej delavnici bodo udeleženci spoznali odprtokodno ogrodje NVIDIA RAPIDS, ki omogoča strojno pospešeno obdelavo podatkov in izvajanje strojnega učenja ter napredne analize grafov, vse s ciljem hitrejšega izvajanja obdelav na velikih podatkovnih zbirkah. NVIDIA RAPIDS vključuje vrsto knjižnic, zasnovanih za izrabo zmogljivosti grafičnih procesorjev, ki omogočajo pospešeno analitiko in strojno učenje na obsežnih podatkih.

V sklopu delavnice bo podrobno predstavljena arhitektura ogrodja NVIDIA RAPIDS, pri čemer bo poudarek na treh ključnih knjižnicah: cuDF za hitro obdelavo podatkov, cuML za strojno učenje ter cuGraph za analizo grafov. Udeleženci bodo spoznali, kako te knjižnice omogočajo hitrejšo in učinkovitejšo obdelavo podatkov, v primerjavi s tradicionalnimi rešitvami, ki ne izkoriščajo pospeševanja, kot so scikit-learn za strojno učenje in NetworkX za analizo grafov.

Delavnica bo obsegala praktične primere, kjer bodo udeleženci primerjali izvajanje nalog strojnega učenja in analize grafov na srednje veliki podatkovni zbirki, pri čemer bodo uporabili NVIDIA RAPIDS in primerjali rezultate z rešitvami, ki temeljijo na CPE. Udeleženci se bodo naučili, kako hitro naučiti klasifikatorje na GPE ter raziskali prednosti strojnega pospeševanja pri obdelavi in analizi podatkov v primerjavi s tradicionalnimi pristopi. To bo udeležencem omogočilo boljše razumevanje prednosti uporabe ogrodja NVIDIA RAPIDS v realnih projektih strojnega učenja in podatkovne znanosti.

Zahtevnost: Napredna

Jezik: Slovenski

Termin: 22. 1. 2024 od 9.00 - 13.00

Omejitev števila udeležencev: 30

Virtualna lokacija: MS TEAMS

Priporočeno predznanje: Osnovno poznavanje programskega jezika Python, osnovno poznavanje knjižnic scikit-learn in NetworkX

Ciljna publika: Raziskovalci, inženirji, študenti, podatkovni znanstveniki, podatkovni analitiki 

Potek izobraževanja: Izobraževanje poteka na daljavo v okolju MS Teams. Udeleženci sodelujejo s pomočjo zvezkov Jupyter, ki jih odprejo na platformi Google Colab.

Na izobraževanju pridobljena znanja:

  • Razumevanje arhitekture ogrodja NVIDIA RAPIDS
  • Uporaba osnovnih in naprednih funkcij knjižnic cuDF, cuML in cuGraph
  • Obdelava podatkov na grafični kartici (cuDF)
  • Strojno pospeševanje algoritmov strojnega učenja (cuML in scikit-learn)
  • Strojno pospeševanje algoritmov za delo z grafi (cuGraph in NetworkX)
  • Uporaba ogrodja NVIDIA RAPIDS v praksi (priporočanje filmov in vektorsko iskanje)

 

Organizator:

Predavatelji:

Ime:Mladen Borovič
Opis:Mladen Borovič je asistent na Fakulteti za elektrotehniko, računalništvo in informatiko Univerze v Mariboru (UM FERI). Njegova raziskovalna področja so aplikacije umetne inteligence, priporočilni sistemi in iskalnike, sistemi za detekcijo podobnih vsebin, obdelava naravnega jezika in visokozmogljivo računalništvo.
E-mail:mladen.borovic@um.si 

 


Registration
Registration
    • 9:00 AM 9:15 AM
      Uvod (Predstavitev predavatelja. · Prijava v interaktivno okolje Google Colab. · Dodelitev dostopa do interaktivnih zvezkov Jupyter.)
    • 9:15 AM 11:00 AM
      Ogrodje NVIDIA RAPIDS (• Spoznavanje z ogrodjem NVIDIA RAPIDS (cuDF, cuML in cuGraph) • Pospeševanje algoritmov strojnega učenja s cuML • Primerjava cuML s knjižnico scikit-learn • Pospeševanje algoritmov nad grafi s cuGraph • Primerjava cuGraph s knjižnico NetworkX • Praktični primeri)
    • 11:00 AM 11:15 AM
      Odmor 15m
    • 11:15 AM 1:00 PM
      Praktični primeri uporabe ogrodja NVIDIA RAPIDS (• Implementacija priporočanja filmov (cuDF in cuGraph) • Implementacija vektorskega iskanja (cuDF in cuML) • Praktični primeri)