加速數據分析 – NVIDIA 技術博客

RAPIDS AI 加速制造業預測性維護效率

Fri, 30 Aug 2024 05:28:04 +0000

根據國際自動化協會（ISA）報告，每年有5%的工廠生產因機時間而受到損失。在另一種情況下，各行各業的制造商在全球范圍內放棄了大約647億美元，而相應的部分在生產中則接近13萬億美元。當前的挑戰是預測這些機器的維護需求，以最大限度地減少機時間、降低運營成本并優化維護計劃。這種問題在提供 Desktop as a Service (DaaS) 服務的公司中尤為普遍，這些公司租用計算設備用于商業用途，并需要滿足嚴格的 SLAs 要求。DaaS 行業的價值高達 3 億美元，預計將增長 12%。在本文中，我們將討論一個案例：我們構建了一個預測模型，以根據各種操作參數、傳感器數據和歷史維護記錄來估計計算資產的剩余使用壽命（RUL）。 LatentView Analytics 支持多個 DaaS 客戶端，并通過商業智能、數據分析和科學、數據工程、

Source

]]>

新視頻：用 RAPIDS cuDF 和 Plotly Dash 可視化人口普查數據

Mon, 17 Jul 2023 06:00:39 +0000

收集商業見解可能是一件痛苦的事情，尤其是當你要處理無數的數據點時。眾所周知， GPU 可以為數據科學家節省時間。 GPU 有助于加快流程并快速獲得所需的見解，而不是等待一個查詢運行。在這個視頻中，Allan Enemark，RAPIDS數據可視化領先者，使用擁有超過30億個數據點的美國人口普查數據集，演示了在分析過程中如何不間斷地運行查詢RAPIDS cuDF和Plotly Dash。視頻 1 。用 RAPIDS cuDF 和 Plotly Dash 可視化人口普查數據將 pandas 與 cuDF 等 RAPIDS 框架進行交換可以幫助加快數據分析工作流程，使分析過程更加有效和愉快。此外， RAPIDS 庫可以使用簡單的 Python 代碼輕松繪制各種數據，如時間序列、地理空間和圖表。

Source

]]>

加速數據分析：使用 GPU 的機器學習 – 加速 pandas 和 Scikit 學習

Tue, 11 Jul 2023 03:27:37 +0000

本文是加速數據分析系列文章的一部分。如果您想將您的機器學習（ ML ）項目的速度和可擴展性提升到新的水平，GPU 加速的數據分析可以幫助您以突破性的性能快速提供見解。從更快的計算到高效的模型訓練，GPU 為日常 ML 任務帶來了許多好處。本帖子提供了以下方面的技術最佳實踐： GPU – 加速的數據分析可以通過 RAPIDS cuDF ，一個 GPU DataFrame 庫和 RAPIDS cuML ，一種 GPU – 加速的 ML 庫來實現。 cuDF 是一個 Python GPU 數據框庫，基于 Apache Arrow 柱狀內存格式構建，用于加載、連接、聚合、過濾和操作數據。它的 API 與 pandas 類似，一個建立在 Python 之上的開源軟件庫，專門用于數據操作和分析。這使得它成為數據分析工作流的有用工具，

Source

]]>

加速數據分析：數據可視化指南 RAPIDS

Tue, 11 Jul 2023 03:20:58 +0000

本文是加速數據分析系列文章的一部分。可視化使數據栩栩如生，通過可訪問的視覺效果揭示隱藏的模式和見解，并使您和您的組織能夠感知無形的事物，做出明智的決策，并充分利用您的數據。特別是在處理大型數據集時，交互可能會變得非常困難，因為渲染和計算時間變得太長。切換到 RAPIDS cuDF 等庫，支持 GPU 加速，通過熟悉的類似 pandas 的 API 解鎖對數據見解的訪問。這篇文章解釋道：雖然數據可視化是在項目結束時解釋數據見解的有效工具，但理想情況下，應在整個數據探索和豐富過程中使用它們。可視化擅長于通過發現純分析方法不容易出現的異常值、異常和模式來增強數據理解，這已經被證明，例如Anscombe’s quartet以及臭名昭著的Datasaurus Dozen。有效的圖表應遵循數據可視化設計原則，利用先前注意力可視處理，

Source

]]>