Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Important
Cette fonctionnalité est disponible en préversion publique.
Ces notebooks exécutent des tâches de Machine Learning classiques sur AI Runtime. Ils montrent comment utiliser l’accélération GPU pour les algorithmes ML traditionnels et les prévisions de série chronologique, notamment la régression XGBoost et la prévision probabiliste avec GluonTS.
| 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. |