NVIDIA 深度學習培訓中心（ DLI ）發(fā)布了加速數(shù)據(jù)科學教材套，該研究所與佐治亞理工學院的 Polo Chau 教授和 Prairie View A & M 大學的董錫雙教授共同開發(fā)。

綜合教材涵蓋數(shù)據(jù)收集和預處理、加速數(shù)據(jù)科學 RAPIDS、可擴展和分布式計算 GPU – 加速機器學習、數(shù)據(jù)可視化和圖形分析等基礎和高級主題，并滿足了高等教育和研究機構(gòu)對學生教授數(shù)據(jù)科學技能的日益增長的需求。

加速數(shù)據(jù)科學教學包包括以下重點模塊：

數(shù)據(jù)科學與技術(shù)導論 RAPIDS

數(shù)據(jù)收集和預處理（ ETL ）

數(shù)據(jù)集中的數(shù)據(jù)倫理和偏見

數(shù)據(jù)集成和分析

數(shù)據(jù)可視化

使用 Hadoop 、 Hive 、 Spark 、 HBase 和 RAPIDS 的可擴展計算

基于 Dask 和 UCX 的可擴展計算

機器學習：分類

機器學習：聚類和降維

神經(jīng)網(wǎng)絡

圖形分析

流數(shù)據(jù)

基因組學

文本分析

CPU vs GPU – 加速數(shù)據(jù)科學

數(shù)據(jù)科學團隊、代碼備份和版本控制

團隊項目（假新聞檢測）

該工具包還涵蓋了公平性和數(shù)據(jù)偏見等文化敏感話題，以及來自代表性不足群體的挑戰(zhàn)和重要人物。

講座幻燈片和講稿、動手實驗室、 Jupyter 筆記本、解決方案（以私人回購形式持有）、樣本數(shù)據(jù)集、測驗/考試問題/答案、 GPU 通過免費 AWS 云學分提供的計算資源，以及免費 DLI 在線課程/證書都包括在內(nèi)。講座視頻計劃在下一版本中發(fā)布。

RAPIDS 數(shù)據(jù)科學框架是 GPU 加速的庫集合，用于在 GPU 上完全執(zhí)行端到端數(shù)據(jù)科學管道。使用 RAPIDS 的主要目標是加速典型數(shù)據(jù)科學工作流的各個部分，從而加速數(shù)據(jù)準備和機器學習中完整的端到端工作流。

第一個基于 Jupyter 筆記本電腦的實驗室之一讓學生使用 pandas 和 cuDF 直接進入 RAPIDS 。 pandas 是一個建立在 Python 編程語言之上的數(shù)據(jù)分析和操作工具，用于執(zhí)行各種任務（例如：加載、加入、聚合、， cuDF 是一個基于 RAPIDS 的 GPU 數(shù)據(jù)幀庫，有助于通過 GPU 加速執(zhí)行類似功能。

學生們首先要理解如何在 cuDF 中創(chuàng)建數(shù)據(jù)幀對象，為這些對象分配值，然后調(diào)用方法并對值應用用戶定義的函數(shù)。一旦學生掌握了如何使用 cuDF 數(shù)據(jù)幀，他們的任務就是從 Kaggle 的Netflix 電影數(shù)據(jù)集中創(chuàng)建一個數(shù)據(jù)幀。

圖 1 。教學包模塊 1 的快照： RAPIDS 實驗室簡介。

從那里，學生們學習如何操作和查詢數(shù)據(jù)，從刪除缺失的列和值、查詢和查找唯一值，到對數(shù)據(jù)進行排序、計數(shù)和分組。學生將感受到使用 RAPIDS 和 GPU 與教學包中也包含的傳統(tǒng)方法相比是多么快速和簡單。作為實驗室的一項額外任務，最后要求學生使用 cuDF 一個熱編碼將數(shù)據(jù)集的電影和電視節(jié)目標題轉(zhuǎn)換為 0 和 1 的向量，以提高分析數(shù)據(jù)的準確性。

周教授說：“數(shù)據(jù)科學揭示了數(shù)據(jù)在解決社會挑戰(zhàn)和大規(guī)模復雜問題方面的巨大潛力，幾乎涵蓋了商業(yè)、技術(shù)、科學、工程、醫(yī)療保健、政府等各個領域。”隨著數(shù)據(jù)在數(shù)量、速度和復雜性方面的不斷增長，對數(shù)據(jù)科學人才和技能的需求不斷增加，以幫助設計最佳解決方案?！?/p>

關(guān)于作者

Joe Bungo 是 NVIDIA 的深度學習培訓中心（ DLI ）項目經(jīng)理，在那里他能夠在大學中使用深度學習和 GPU 加速計算技術(shù)，包括課程和教材開發(fā)、 DLI 大學大使/講師認證、促進學術(shù)生態(tài)系統(tǒng)和實踐研討會。此前，他在 ARM 公司管理大學項目，并擔任應用工程師。喬獲得了得克薩斯大學奧斯汀分校計算機科學學位。

審核編輯：郭婷