Machine Learning classique

Important

AI Runtime pour les tâches à nœud unique est disponible en préversion publique. L’API d’entraînement distribuée pour les charges de travail multi-GPU reste en version bêta.

Cette page fournit des exemples de notebooks pour les tâches de Machine Learning classiques en utilisant AI Runtime. Ces exemples montrent comment tirer parti des GPU pour les algorithmes ML traditionnels et la prévision des séries chronologiques.

Tutoriel	Description
Entraînement du modèle XGBoost	Ce notebook montre comment entraîner un modèle de régression XGBoost sur un seul GPU. XGBoost peut tirer considérablement parti de l’accélération GPU pour les jeux de données volumineux.
Prévision de série chronologique avec GluonTS	Ce notebook illustre un flux de travail de bout en bout pour la prévision de série chronologique probabiliste des données de consommation d’électricité avec le modèle DeepAR de GluonTS sur un cluster GPU serverless. Il couvre l’ingestion des données, l’échantillonnage, l’apprentissage du modèle, la prédiction, la visualisation et l’évaluation.