Veri hatlarını GPU ile uçurun
NVIDIA RAPIDS cuDF ile GPU DataFrame işlemleri, bellek yönetimi, Dask-cuDF ile çok GPU ölçekleme, Parquet kolon formatı, ETL desenleri ve performans profilleme ile GPU hızlandırmalı veri mühendisliği hatlarını öğreten ileri seviye eğitim.
RAPIDS cuDF, Dask-cuDF ve GPU hızlandırmalı ETL
Bu ileri seviye eğitim, NVIDIA RAPIDS ekosistemiyle veri mühendisliği boru hatlarını GPU üzerinde hızlandırmayı öğretir. GPU hızlandırmanın mantığı (bellek bant genişliği, paralellik) ve CPU'ya göre ne zaman kazandırdığı; cuDF ile pandas benzeri API üzerinde GPU DataFrame işlemleri (okuma, filtreleme, groupby, join, string işlemleri); bellek yönetimi ve GPU bellek sınırları; Dask-cuDF ile tek/çok GPU'ya ve bellekten büyük veriye ölçekleme; Parquet/ORC okuma ve kolon formatı avantajı; veri yükleme hızlandırma (GPUDirect, cuIO); tipik ETL desenlerini GPU'ya taşıma ve CPU-GPU veri aktarımı maliyeti; boru hattı performans profilleme ve darboğaz giderme ele alınır. Katılımcı, mevcut bir pandas/Spark ETL'ini RAPIDS ile hızlandırıp ölçekler.
3 Gün. Her gün dört modül; katılımcılar cuDF temelinden Dask-cuDF ile ölçeklemeye ve performans ayarına ilerler.
İleri Seviye — NVIDIA RAPIDS (cuDF, Dask-cuDF) ile GPU hızlandırmalı veri mühendisliği boru hatları kurma.
Katılımcılar GPU'lu bir ortamda gerçek veri setleriyle cuDF ve Dask-cuDF boru hatlarını kurup CPU ile kıyaslar.
ETL işlemlerini GPU paralelliğiyle kat kat hızlandırırsınız.
pandas benzeri cuDF API'siyle minimum kod değişikliğiyle geçiş yaparsınız.
Dask-cuDF ile bellekten büyük veriye ve çok GPU'ya ölçeklenirsiniz.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Python ve pandas ile veri işleme deneyimi beklenir.
Temel ETL ve veri hattı kavramları faydalıdır.
CUDA destekli NVIDIA GPU'lu bir ortam gerekir.
CSV/Parquet formatlarına aşinalık yararlıdır.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
GPU hızlandırmanın ne zaman kazandırdığını değerlendirirsiniz.
cuDF ile pandas benzeri GPU DataFrame işlemleri yaparsınız.
GPU bellek sınırlarını ve RMM'i yönetirsiniz.
Dask-cuDF ile bellekten büyük veriyi ölçeklersiniz.
LocalCUDACluster ile çok GPU'ya dağıtırsınız.
Parquet kolon formatı ve pushdown ile yüklemeyi hızlandırırsınız.
Dask dashboard ile darboğazları bulup giderirsiniz.
GPU ETL hattını üretime hazırlayıp izlersiniz.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
SQL stored procedure ETL'ini Databricks Lakehouse'a göç: kalıp çevirme, Delta MERGE/SCD, reconciliation ve cutover stratejisini yoğun atölyede öğrenin.
Detayları Gör →
Databricks'te PySpark DataFrame, Spark SQL, Delta Lake MERGE, medallion mimari, performans ayarı ve Workflows ile veri mühendisliğini uygulamalı öğrenin.
Detayları Gör →
Databricks Unity Catalog: metastore, GRANT erişim, satır/sütun güvenliği, lineage, audit ve Delta Sharing ile veri yönetişimini uygulamalı öğrenin.
Detayları Gör →
Lakehouse mimarisi ve Delta Lake: ACID, şema evrim, MERGE, time travel, change data feed, medallion ve OPTIMIZE/Z-order ile tablo yönetimini öğrenin.
Detayları Gör →
Databricks'te DBFS/Volumes, Delta tabloları, dosya formatları ve PySpark/Spark SQL ile veri depolama ve temel işlemeyi uygulamalı öğrenin.
Detayları Gör →