Классическое машинное обучение

Это важно

Среда выполнения ИИ для задач с одним узлом находится в общедоступной предварительной версии. API распределенного обучения для рабочих нагрузок с несколькими GPU остаются в бета-версии.

На этой странице представлены примеры записных книжек для классических задач машинного обучения с использованием среды выполнения ИИ, демонстрирующие использование GPU для традиционных задач машинного обучения и прогнозирования временных рядов.

Руководство	Описание
Обучение модели XGBoost	В этом блокноте показано, как обучить модель регрессии XGBoost на одном графическом процессоре (GPU). XGBoost может значительно воспользоваться ускорением GPU для больших наборов данных.
Прогнозирование временных рядов с помощью GluonTS	Эта записная книжка демонстрирует комплексный рабочий процесс для вероятностного прогнозирования временных рядов данных о потреблении электроэнергии с помощью модели DeepAR GluonTS в бессерверном кластере GPU. Он охватывает прием данных, ресемплирование, обучение моделей, прогнозирование, визуализацию и оценку.