Klassisches maschinelles Lernen

Von Bedeutung

DIE KI-Runtime für Einzelknotenaufgaben befindet sich in der öffentlichen Vorschau. Die verteilte Schulungs-API für Multi-GPU-Workloads verbleibt in der Betaversion.

Diese Seite enthält Notizbuchbeispiele für klassische Aufgaben des maschinellen Lernens mithilfe von AI Runtime. Diese Beispiele demonstrieren, wie GPUs für herkömmliche ML-Algorithmen und Zeitreihenprognosen genutzt werden können.

Tutorial	Beschreibung
XGBoost-Modellschulung	Dieses Notizbuch veranschaulicht, wie Sie ein XGBoost-Regressionsmodell auf einer einzelnen GPU trainieren. XGBoost kann erheblich von der GPU-Beschleunigung für große Datasets profitieren.
Zeitreihenprognose mit GluonTS	Dieses Notizbuch veranschaulicht einen End-to-End-Workflow für die probabilistische Zeitreihenvorhersage von Stromverbrauchsdaten mit dem DeepAR-Modell von GluonTS auf einem serverlosen GPU-Cluster. Es umfasst Datenaufnahme, Resampling, Modellschulung, Vorhersage, Visualisierung und Auswertung.