機械学習を高速化するための
ライブラリRAPIDSについて学ぶ
本講座では、NVIDIA RAPIDSの操作方法を学びます。
ニューラルネットワークの学習や予測には、当たり前のようにGPUが用いられます。しかし、ニューラルネットワーク以外の機械学習手法については、これまでGPUがほとんど活用されていませんでした。そんな中、機械学習全般においてGPUを活用できるRAPIDSというライブラリが開発されオープンソースとしてリリースされました。
RAPIDSは、GPUを用いて、機械学習を高速化するためのライブラリです。RAPIDSを用いると、ロジスティック回帰、ランダムフォレスト、勾配ブースティング、k-meansなどの一般的な機械学習手法や、データの前処理、データ可視化などをGPU上で実行できます。
GPU+RAPIDSによる処理時間が、CPU+一般的な機械学習ライブラリ（scikit-learnなど）の処理時間よりも短くなるのは、データが大規模な場合です。データ規模が大きいほど、GPU+RAPIDSのメリットを感じることができます。
講座監修：エヌビディア合同会社 制作協力：菱洋エレクトロ株式会社（NVIDIA国内正規代理店）
講座の特長
-
1
NVIDIA（エヌビディア合同会社）監修
NVIDIAは、GPU を世界ではじめて開発し、その優れた演算能力は、グラフィックス、科学技術計算、AIに広く活用されています。また、統合開発プラットフォームも提供することで、輸送、ヘルスケア、製造などの産業におけるコンピューティングの課題解決を加速させています。
NVIDIA
-
2
菱洋エレクトロ株式会社（NVIDIA国内正規代理店）制作協力
得られる知識・スキル
-
RAPIDSの使い方 -
GPUとRAPIDSを用いて機械学習の前処理や学習を高速化する方法大規模データの機械学習の高速化が可能になります。
こんな方におすすめ
- 大規模データを用いた機械学習を行う方
- 機械学習の前処理や学習を高速化したい方
- 機械学習にGPUを活用したいと考えている方
カリキュラム
第1章 RAPIDS概要
- RAPIDSとは
- RAPIDSの構成
第2章 ハンズオン
- cuDF
- Dask-cuDF
- cuML
- cuGraph
- cuSpatial
- cuxfilter
担当講師
小縣 信也
兵庫県出身。大阪市立大学工学部卒業後、建材メーカー、設備設計事務所に勤務。2010年、OpenFOAM勉強会for beginner(現オープンCAE勉強会＠関東)を立ち上げ3年間幹事を務める。建築環境に関する数値シミュレーション、電力量や温湿度などのセンサーデータに関する分析が専門。1級建築士、エネルギー管理士。2013年、国土交通省国土技術政策総合研究所 優秀技術者賞受賞。
日本ディープラーニング協会主催2018E資格試験 優秀賞受賞、2019#1E資格試験優秀賞受賞。最近は、需要予測や異常検知などのモデル開発に取り組んでいる。著書「徹底攻略ディープラーニングE資格エンジニア問題集」（インプレス）。
講座概要
| 講座名 | NVIDIA GPUとRAPIDSを用いた機械学習高速化講座 |
|---|---|
| 受講形式 |
オンライン講座：eラーニング形式 お好きな時間、お好きな場所でeラーニング形式にて受講いただけます。 |
| 前提となる知識・スキル |
必須スキル
推奨スキル
|
| 講座時間 | 動画講義2時間 |
| 料金 | 77,000円／1名（税込） |
| 料金に標準で含まれるもの |
|
| 動画の視聴期間 | 動画共有日から1年間 |
| チャットの質問期間 | 講座チャンネルへの招待日から3ヶ月間 |
| 事前準備 | ハンズオンにてGoogle Colaboratoryを用いるので、Googleアカウントをご用意ください。 |
| PCの動作環境 |
|