Aceleração de Aplicações de IA com NVIDIA RAPIDS from Udemy

A ciência de dados e o machine learning representam os maiores setores computacionais do mundo, onde melhorias modestas na precisão dos modelos analíticos podem se traduzir em bilhões de impacto no resultado final. Os cientistas de dados constantemente se esforçam para treinar, avaliar, iterar e otimizar modelos para alcançar resultados altamente precisos e um desempenho excepcional. Com a poderosa plataforma RAPIDS da NVIDIA, o que antes levava dias agora pode ser realizado em questão de minutos, tornando a construção e implantação de modelos de alto valor mais fácil e ágil. Em Data Science, a capacidade computacional adicional significa insights mais rápidos e eficazes. RAPIDS aproveita o poder do

Neste curso, você vai aprender tudo o que precisa saber para levar suas aplicações de aprendizado de máquina para outro nível. Confira abaixo alguns dos tópicos que serão abordados:

Utilizar as bibliotecas cuDF, cuPy e cuML ao invés do Pandas, Numpy e scikit-learn; o que garante que os dados sejam processados e algoritmos de machine learning executados com alto desempenho na GPU
Comparar o desempenho das bibliotecas clássicas do Python com o RAPIDS. Em alguns experimentos executados durante as aulas, conseguimos taxas de aceleração superiores a 900x. Isso indica que em determinadas bases de dados e com determinados algoritmos, o RAPIDS consegue ser 900 vezes mais rápido.
Criar um projeto completo e passo a passo de machine learning utilizando o RAPIDS, desde o carregamento dos dados até as previsões
Utilizar o DASK para paralelismo de tarefas em múltiplas GPUs ou CPUs; integrado com o RAPIDS para um desempenho superior

Durante o curso vamos utilizar a linguagem de programação Python e o Google Colab on-line. Desta forma, você não precisa possuir uma GPU local para acompanhar as aulas, pois utilizaremos o hardware gratuito disponibilizado pelo Google.

What's inside

Learning objectives

Entender as diferenças entre processamento utilizando cpu e gpu
Utilizar o cudf como substituto ao pandas para processamento acelerado na gpu
Implementar códigos utilizando o cudf para manipulação de dataframes
Utilizar o cupy como substituto ao numpy para processamento acelerado na gpu
Utilizar o cuml como substituo ao scikit-learn para processamento acelerado na gpu

Implementar projetos de machine learning completos utilizando o cudf e cuml
Comparar o desempenho das bibliotecas clássicas do python que são executadas na cpu com as bibliotecas do rapids executadas na gpu
Implementar projetos com o dask para processamento paralelo e distribuído
Integrar o dask com o cudf e cuml para desempenho superior na gpu

Entender as diferenças entre processamento utilizando cpu e gpu
Utilizar o cudf como substituto ao pandas para processamento acelerado na gpu
Implementar códigos utilizando o cudf para manipulação de dataframes
Utilizar o cupy como substituto ao numpy para processamento acelerado na gpu
Utilizar o cuml como substituo ao scikit-learn para processamento acelerado na gpu
Implementar projetos de machine learning completos utilizando o cudf e cuml
Comparar o desempenho das bibliotecas clássicas do python que são executadas na cpu com as bibliotecas do rapids executadas na gpu
Implementar projetos com o dask para processamento paralelo e distribuído
Integrar o dask com o cudf e cuml para desempenho superior na gpu

Syllabus

Introdução

Conteúdo do curso

Mais sobre Inteligência Artificial

CPU x GPU

Traffic lights

Read about what's good

what should give you pause

and possible dealbreakers

Focuses on RAPIDS, a powerful NVIDIA platform, which can significantly reduce the time required for training, evaluating, and optimizing machine learning models

Teaches how to replace Pandas with cuDF, NumPy with cuPy, and scikit-learn with cuML, enabling high-performance GPU processing

Explores the utilization of DASK for task parallelism across multiple GPUs or CPUs, integrated with RAPIDS for superior performance

Demonstrates performance comparisons between classic Python libraries executed on the CPU and RAPIDS libraries executed on the GPU, with reported acceleration rates exceeding 900x in some experiments

Utilizes Python and Google Colab, providing access to free GPU hardware, which removes a barrier to entry for learners without dedicated GPUs

Involves creating a complete, step-by-step machine learning project using RAPIDS, covering the entire process from data loading to predictions

Reviews summary

Aceleração de ia com nvidia rapids

De acordo com os alunos, este curso oferece uma introdução sólida à aceleração de aplicações de IA usando NVIDIA RAPIDS. Muitos apreciam as demonstrações práticas de ganhos de desempenho usando bibliotecas como cuDF e cuML em comparação com bibliotecas tradicionais baseadas em CPU. O uso do Google Colab é destacado como um ponto positivo importante, facilitando o acesso à GPU. O projeto passo a passo é visto como muito útil para consolidar o conhecimento. Embora o curso seja geralmente bem avaliado por seu foco em aceleração, alguns observam que uma base sólida em Python e ML é necessária, e poucos desejaram mais profundidade ou exercícios.

Apresenta bem as principais bibliotecas RAPIDS.

"Cobre bem cuDF, cuPy e cuML, mostrando as substituições."

"Entendi como usar as principais bibliotecas para aceleração."

"Boa visão geral das ferramentas do ecossistema RAPIDS."

Uso do Google Colab é um grande facilitador.

"Não ter que configurar uma GPU local foi ótimo, o Colab funcionou perfeitamente."

"Adorei poder praticar no Google Colab sem custos."

"O ambiente via Colab simplifica bastante o aprendizado."

O projeto final ajuda a consolidar o aprendizado.

"O projeto integrando tudo foi excelente para ver o RAPIDS em ação fim a fim."

"Gostei muito de seguir o passo a passo na criação do projeto."

"Aplicar os conceitos em um projeto real fez toda a diferença."

Demonstra ganhos significativos com RAPIDS.

"Fiquei impressionado com a diferença de velocidade usando o cuDF em vez do pandas."

"Os exemplos comparativos entre CPU e GPU são o ponto alto do curso."

"Realmente mostra como o RAPIDS pode acelerar tarefas de ML."

Alguns tópicos poderiam ter mais detalhes ou exemplos.

"Senti falta de um pouco mais de profundidade em certas otimizações."

"Seria bom ter mais exemplos de código e exercícios."

"Uma introdução muito boa, mas para ir além, preciso buscar mais material."

Não é ideal para iniciantes em ML ou Python.

"É fundamental já ter uma base em Python e scikit-learn para acompanhar bem."

"Para quem está começando em ML, pode ser um pouco avançado."

"Achei que precisava de mais pré-requisitos do que imaginava."

Activities

Be better prepared before your course. Deepen your understanding during and after it. Supplement your coursework and achieve mastery of the topics covered in Aceleração de Aplicações de IA com NVIDIA RAPIDS with these activities:

Revisar Fundamentos de Python

Show steps

Refresque seus conhecimentos básicos de Python, incluindo sintaxe, estruturas de dados e funções, para garantir uma base sólida antes de começar o curso.

Browse courses on Python

Show steps

Revise tutoriais online e documentação do Python.
Pratique com exercícios básicos de programação em Python.
Familiarize-se com bibliotecas comuns como NumPy e Pandas.

Revisar Álgebra Linear e Cálculo

Show steps

Relembre os conceitos essenciais de álgebra linear e cálculo, que são fundamentais para entender os algoritmos de machine learning utilizados no curso.

Show steps

Revise operações com matrizes e vetores.
Relembre conceitos de derivadas e integrais.
Estude sobre autovalores e autovetores.

Ler 'Python Data Science Handbook'

Show steps

Complemente o curso com um guia detalhado sobre as bibliotecas Python essenciais para ciência de dados, preparando você para as otimizações com RAPIDS.

View Putting Knowledge to Work on Amazon

Show steps

Leia os capítulos relevantes sobre NumPy e Pandas.
Experimente os exemplos de código fornecidos no livro.
Compare as abordagens do livro com as técnicas RAPIDS aprendidas no curso.

Four other activities

Expand to see all activities and additional details

Show all seven activities

Praticar manipulação de DataFrames com cuDF

Show steps

Reforce suas habilidades de manipulação de DataFrames usando cuDF, praticando operações comuns como filtragem, agregação e junção de dados.

Show steps

Crie DataFrames cuDF a partir de diferentes fontes de dados.
Realize operações de filtragem e seleção de dados.
Aplique funções de agregação para resumir dados.
Combine DataFrames usando operações de junção.

Implementar um pipeline de machine learning com RAPIDS

Show steps

Consolide seu aprendizado criando um projeto completo de machine learning que utilize as bibliotecas RAPIDS para acelerar o processamento de dados e o treinamento de modelos.

Browse courses on Machine Learning

Show steps

Escolha um conjunto de dados relevante para um problema de machine learning.
Implemente um pipeline de processamento de dados usando cuDF.
Treine um modelo de machine learning usando cuML.
Avalie o desempenho do modelo e compare com implementações em CPU.

Ler 'Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow'

Show steps

Expanda seu conhecimento de machine learning com um guia prático que cobre Scikit-Learn, Keras e TensorFlow, fornecendo um contexto valioso para o uso do RAPIDS.

View Putting Knowledge to Work on Amazon

Show steps

Leia os capítulos sobre algoritmos de machine learning relevantes para o seu projeto.
Experimente os exemplos de código fornecidos no livro.
Compare as implementações do livro com as técnicas RAPIDS aprendidas no curso.

Criar um blog post comparando RAPIDS com Pandas/Scikit-learn

Show steps

Aprofunde sua compreensão das vantagens do RAPIDS criando um post de blog que compare o desempenho e a usabilidade do RAPIDS com as bibliotecas tradicionais Pandas e Scikit-learn.

Browse courses on Pandas

Show steps

Realize benchmarks comparando RAPIDS com Pandas/Scikit-learn em tarefas específicas.
Analise os resultados e identifique os cenários onde o RAPIDS oferece maior ganho de desempenho.
Escreva um post de blog detalhado com os resultados e suas conclusões.

Career center

Learners who complete Aceleração de Aplicações de IA com NVIDIA RAPIDS will develop knowledge and skills that may be useful to these careers:

Cientista de Dados

Um cientista de dados utiliza métodos estatísticos e aprendizado de máquina para analisar dados e gerar informações valiosas. Este curso, que ensina a acelerar aplicações de inteligência artificial com NVIDIA RAPIDS, é particularmente útil para um cientista de dados pois aborda como utilizar bibliotecas como cuDF, cuPy e cuML para otimizar o desempenho do processamento de dados e algoritmos de aprendizado de máquina. O curso demonstra como construir um projeto completo de aprendizado de máquina usando o RAPIDS, desde o carregamento até a previsão, o que é uma habilidade essencial para um cientista de dados. Ao comparar o desempenho das bibliotecas clássicas do Python com RAPIDS, o curso oferece insights sobre como agilizar o desenvolvimento de modelos de alto valor, melhorando a eficiência e a velocidade do trabalho do cientista de dados. Adicionalmente, aprender a usar DASK para paralelismo de tarefas, em conjunto com o RAPIDS, prepara o cientista para trabalhar com grandes volumes de dados, acelerando o fluxo de trabalho.

See salaries and explore the career path for Cientista de Dados

Engenheiro de Machine Learning

As responsabilidades de um engenheiro de machine learning incluem o desenvolvimento e implementação de modelos de aprendizado de máquina em larga escala. Este curso é muito útil para um engenheiro de machine learning, pois se concentra na aceleração de aplicações de inteligência artificial com NVIDIA RAPIDS. A habilidade de usar bibliotecas como cuDF, cuPy e cuML, ensinada no curso, garante que os modelos de machine learning sejam executados com alto desempenho na GPU. O curso explica como criar projetos completos de aprendizado de máquina usando RAPIDS, do carregamento de dados até a previsão, o que é muito relevante para um engenheiro de machine learning. Além disso, o curso discute como comparar o desempenho das bibliotecas clássicas com RAPIDS, mostrando como agilizar o processo de desenvolvimento de modelos. O uso de DASK para paralelismo é também uma habilidade valiosa para lidar com a criação de modelos mais complexos.

See salaries and explore the career path for Engenheiro de Machine Learning

Especialista em Inteligência Artificial

Um especialista em inteligência artificial trabalha no desenvolvimento e implementação de soluções baseadas em IA. Este curso é particularmente relevante para um especialista em inteligência artificial, pois aborda como acelerar aplicações de IA usando NVIDIA RAPIDS. O aprendizado de como usar cuDF, cuPy e cuML em vez das bibliotecas tradicionais do Python é crucial para melhorar o desempenho. O curso demonstra a criação de projetos completos de aprendizado de máquina utilizando RAPIDS, o que é fundamental para o trabalho de um especialista em IA. Comparando o desempenho entre as bibliotecas, um especialista de inteligência artificial pode entender como o RAPIDS pode acelerar o desenvolvimento de modelos. Adicionalmente, o curso introduz o uso do DASK para processamento paralelo e distribuído, permitindo a execução de tarefas complexas e o manuseio de grandes volumes de dados.

See salaries and explore the career path for Especialista em Inteligência Artificial

Analista de Dados

Um analista de dados extrai insights de conjuntos de dados para auxiliar na tomada de decisões. Este curso pode ser muito útil para um analista de dados pois ensina como utilizar NVIDIA RAPIDS para acelerar o processamento de dados. A habilidade de usar cuDF, cuPy e cuML em vez de pandas, numpy e scikit-learn, respectivamente, melhora o desempenho do processamento de dados, o que é uma parte essencial do trabalho de um analista de dados. O curso também inclui um projeto completo de machine learning, que demonstra como aplicar o aprendizado de máquina no contexto de análise de dados. Ao comparar o desempenho das bibliotecas clássicas com RAPIDS, o curso mostra ao analista de dados como otimizar seu trabalho. O curso também introduz o uso do DASK para processamento paralelo, que permite analisar dados em larga escala de forma mais eficiente, ajudando na tomada de decisões.

See salaries and explore the career path for Analista de Dados

Consultor de Ciência de Dados

Um consultor de ciência de dados auxilia empresas na aplicação de técnicas de ciência de dados para resolver problemas. Este curso é particularmente interessante para um consultor de ciência de dados, pois ensina como acelerar aplicações de IA com NVIDIA RAPIDS, o que proporciona uma vantagem competitiva no mercado. O aprendizado de como utilizar cuDF, cuPy e cuML para melhorar o desempenho do processamento de dados e algoritmos de machine learning permite que o consultor entregue soluções mais eficientes aos clientes. Criar projetos completos de aprendizado de máquina, que o curso demonstra, é uma habilidade essencial para um consultor. Além disso, ao comparar o desempenho entre bibliotecas, o curso proporciona conhecimento essencial sobre como agilizar o desenvolvimento de modelos. A introdução ao DASK para paralelismo de tarefas também é fundamental para abordar problemas que envolvem grandes volumes de dados.

See salaries and explore the career path for Consultor de Ciência de Dados

Desenvolvedor de Software de Inteligência Artificial

O trabalho de um desenvolvedor de software de inteligência artificial é codificar, testar e implementar modelos de IA em produtos de software. Este curso é muito útil para um desenvolvedor de software de IA, pois aborda a aceleração de aplicações de inteligência artificial com NVIDIA RAPIDS. O curso introduz o uso de bibliotecas como cuDF, cuPy e cuML, que são cruciais para o desenvolvimento de aplicações de alto desempenho. A capacidade de implementar projetos completos de machine learning utilizando RAPIDS, demonstrada no curso, é uma habilidade importante para este profissional. Ao comparar o desempenho das bibliotecas clássicas com RAPIDS, o desenvolvedor pode otimizar seu código. O DASK, que é apresentado para paralelismo de tarefas, também é útil para melhorar o desempenho de aplicações mais complexas.

See salaries and explore the career path for Desenvolvedor de Software de Inteligência Artificial

Pesquisador de Machine Learning

Um pesquisador de machine learning investiga e desenvolve novos algoritmos e técnicas de aprendizado de máquina. Este curso pode ser útil para um pesquisador de machine learning, pois apresenta como acelerar aplicações de IA com NVIDIA RAPIDS. O aprendizado de como usar bibliotecas como cuDF, cuPy e cuML para melhor desempenho do processamento de dados e algoritmos de machine learning pode ajudar a agilizar os experimentos. O curso também demonstra como construir projetos completos de aprendizado de máquina utilizando RAPIDS do carregamento de dados até as previsões, uma habilidade útil no contexto da pesquisa. A comparação do desempenho entre as bibliotecas tradicionais e RAPIDS permite que o pesquisador entenda melhor os trade-offs envolvidos. O curso também aborda o DASK para paralelismo, algo importante ao lidar com grandes volumes de dados e computação.

See salaries and explore the career path for Pesquisador de Machine Learning

Analista de Business Intelligence

Um analista de business intelligence utiliza dados para fornecer insights que auxiliam nas decisões de negócios. Este curso pode ser útil para um analista de business intelligence pois se concentra em como acelerar aplicações de inteligência artificial com NVIDIA RAPIDS, o que pode melhorar a análise de dados. O aprendizado de como utilizar cuDF, cuPy e cuML para processamento de dados e algoritmos de machine learning contribui para análises mais rápidas. O curso também demonstra como criar projetos de machine learning usando RAPIDS, uma habilidade útil para um analista. Ao avaliar o desempenho das bibliotecas clássicas com RAPIDS, o analista pode ver como otimizar seus processos. O uso do DASK para paralelismo pode ser importante ao trabalhar com grandes volumes de dados.

See salaries and explore the career path for Analista de Business Intelligence

Engenheiro de Dados

Um engenheiro de dados projeta, constrói e gerencia a infraestrutura de dados e pipelines para sistemas de análise. Este curso pode ser útil para um engenheiro de dados, pois aborda como acelerar aplicações de inteligência artificial utilizando NVIDIA RAPIDS. O curso introduz o uso das bibliotecas cuDF, cuPy e cuML, que ajudam a otimizar o processamento de grandes conjuntos de dados. A habilidade de usar DASK para paralelismo de tarefas, apresentada no curso, permite que o engenheiro de dados lide com grandes volumes de dados de forma eficiente. O entendimento de como o RAPIDS melhora o desempenho, em comparação com as bibliotecas tradicionais do Python, é um conhecimento valioso para este profissional.

See salaries and explore the career path for Engenheiro de Dados

Especialista em Computação de Alto Desempenho

Um especialista em computação de alto desempenho se concentra em otimizar a performance de sistemas e aplicações. Este curso pode ser relevante para um especialista em computação de alto desempenho, pois ensina como acelerar aplicações de inteligência artificial com NVIDIA RAPIDS. Ao usar bibliotecas como cuDF, cuPy e cuML, um especialista em computação de alto desempenho pode melhorar o processamento de dados e algoritmos de machine learning. O curso demonstra como criar projetos de machine learning utilizando RAPIDS, que é útil para entender como otimizar aplicações. A comparação entre o desempenho das bibliotecas clássicas com RAPIDS mostra onde o RAPIDS pode trazer mais velocidade. O uso do DASK para paralelismo de tarefas também pode ser útil ao lidar com aplicações complexas.

See salaries and explore the career path for Especialista em Computação de Alto Desempenho

Arquiteto de Soluções

Um arquiteto de soluções projeta soluções técnicas alinhadas com os objetivos de negócio. Este curso pode ser útil para um arquiteto de soluções, pois aborda como acelerar aplicações de inteligência artificial com NVIDIA RAPIDS. O conhecimento de como utilizar bibliotecas como cuDF, cuPy e cuML pode ajudar a melhorar o desempenho de soluções de software de inteligência artificial. O curso mostra como criar projetos de aprendizado de máquina utilizando o RAPIDS, o que pode ser útil em arquiteturas modernas. Ao demonstrar a comparação de desempenho entre bibliotecas tradicionais e o RAPIDS, o curso pode ajudar o arquiteto a entender como otimizar o desempenho da solução. Aprender sobre DASK para paralelismo de tarefas pode ser também útil para soluções que lidam com grandes volumes de dados.

See salaries and explore the career path for Arquiteto de Soluções

Analista de Machine Learning

Um analista de machine learning explora, analisa dados e aplica modelos de aprendizado de máquina para resolver problemas de negócios. Este curso pode ser útil para um analista de machine learning pois aborda como acelerar aplicações de inteligência artificial com NVIDIA RAPIDS. O aprendizado de como usar bibliotecas como cuDF, cuPy e cuML para processamento de dados e algoritmos de machine learning contribui para análises mais eficientes. O curso demonstra como a construção de projetos de aprendizado de máquina, do carregamento dos dados até a criação e avaliação dos modelos, utilizando RAPIDS. O curso também compara o desempenho entre bibliotecas para que o analista esteja ciente das opções. A utilização do DASK para paralelismo também pode vir a ser útil.

See salaries and explore the career path for Analista de Machine Learning

Engenheiro de Software

Um engenheiro de software desenvolve e mantém sistemas de software. Este curso pode ser útil para um engenheiro de software se estiver trabalhando em projetos que envolvam o uso de inteligência artificial. O curso ensina a acelerar aplicações de inteligência artificial utilizando NVIDIA RAPIDS. O entendimento do uso das bibliotecas cuDF, cuPy e cuML pode contribuir para um melhor desempenho do processamento de dados. O curso também demonstra como construir projetos completos de machine learning usando RAPIDS, o que pode ser útil no desenvolvimento de um programa. A comparação de desempenho entre as bibliotecas tradicionais com RAPIDS pode ajudar o engenheiro de software a tomar decisões ao escrever o código. O uso de DASK para paralelismo pode também ser relevante para algumas aplicações.

See salaries and explore the career path for Engenheiro de Software

Gerente de Produto de Inteligência Artificial

O gerente de produto de inteligência artificial é responsável por definir e liderar a estratégia de produtos de IA. Este curso pode ser útil para um gerente de produto de inteligência artificial, pois aborda como acelerar aplicações de inteligência artificial com NVIDIA RAPIDS. Entender o uso de bibliotecas como cuDF, cuPy e cuML pode ajudar o gerente de produto a entender os desafios técnicos enfrentados por suas equipes. O curso também demonstra o desenvolvimento de projetos de machine learning usando RAPIDS. Comparar o desempenho das bibliotecas pode ajudar o gerente a tomar decisões melhores. O curso também introduz o uso do DASK para paralelismo e processamento de grandes conjuntos de dados.

See salaries and explore the career path for Gerente de Produto de Inteligência Artificial

Analista de negocios

Um analista de negócios ajuda a melhorar processos e sistemas de negócios através da análise de dados e informações. Este curso pode ajudar um analista de negócios que queira entender melhor o campo da inteligência artificial e suas aplicações. O curso apresenta como acelerar aplicações de inteligência artificial com NVIDIA RAPIDS. Ter algum conhecimento sobre o uso das bibliotecas cuDF, cuPy e cuML pode ajudar o analista a fazer perguntas melhores sobre o desempenho de modelos de machine learning. O curso também mostra como construir projetos de machine learning utilizando RAPIDS e compara o desempenho das bibliotecas clássicas do Python com RAPIDS, o que é interessante para ver as vantagens de um ou outro, mesmo que ele ou ela não vá praticar diretamente. O curso também apresenta o DASK para tarefas de paralelismo.

See salaries and explore the career path for Analista de negocios

Aceleração de Aplicações de IA com NVIDIA RAPIDS

What's inside

Learning objectives

Syllabus

Traffic lights

Save this course

Reviews summary

Aceleração de ia com nvidia rapids

Activities

Career center

Reading list

Share

Similar courses