各行各業(yè)都在借助 AI 實現(xiàn)轉(zhuǎn)型，以提高競爭力和運(yùn)營效率。在零售業(yè)中，聊天機(jī)器人正在簡化用戶的產(chǎn)品庫存搜索。在金融服務(wù)業(yè)，基于 AI 的工具正應(yīng)用于欺詐檢測。而在醫(yī)療健康領(lǐng)域，AI 正在幫助從基因組學(xué)中發(fā)現(xiàn)新的見解，從而改善患者的治療效果。

為了使 AI 在特定領(lǐng)域的用例中充分發(fā)揮潛力，需要大量適合最終目的的數(shù)據(jù)來進(jìn)行訓(xùn)練。為此，數(shù)據(jù)科學(xué)家通過清理數(shù)據(jù)、管理缺失值、轉(zhuǎn)換數(shù)據(jù)類型以及設(shè)計模型所需的特定功能來對數(shù)據(jù)集進(jìn)行預(yù)處理。數(shù)據(jù)預(yù)處理在特定領(lǐng)域尤為重要，因為特定且通常專有的數(shù)據(jù)會決定 AI 在該領(lǐng)域的智能程度。

好消息是，我們擁有比以往更多的數(shù)據(jù)，在 2023-2028 年期間，數(shù)據(jù)量預(yù)計將以 24.4% 的復(fù)合年增長率繼續(xù)增長。出現(xiàn)的問題是，對高效處理工具的需求比以往任何時候都更加迫切。

對數(shù)據(jù)的爆炸性增長和日益復(fù)雜的需求使基于 CPU 的傳統(tǒng)數(shù)據(jù)處理工具不堪重負(fù)。數(shù)據(jù)科學(xué)家通常使用大型數(shù)據(jù)集，這些數(shù)據(jù)集被整理成包含數(shù)百萬行和列的表格。隨著數(shù)據(jù)集規(guī)模的增長，傳統(tǒng)數(shù)據(jù)處理工具的速度明顯放緩，降低了企業(yè)的生產(chǎn)力并拖延了產(chǎn)品上市時間。

加速數(shù)據(jù)科學(xué)工作流程的每一步

為滿足 AI 數(shù)據(jù)預(yù)處理的需求，NVIDIA 提供了全面的全棧解決方案，將加速數(shù)據(jù)處理庫與 NVIDIA RTX 助力的 AI 工作站相結(jié)合。RAPIDS 包含適用于 pandas、NetworkX 和 XGBoost 等基于 Python 的庫的零代碼更改加速器，使開發(fā)者能夠在不影響速度的情況下編寫代碼。NVIDIA RTX 助力的 AI 工作站，旨在利用 NVIDIA RTX GPU 中的并行處理能力，為數(shù)據(jù)科學(xué)任務(wù)提供出色性能。借助 RTX 驅(qū)動的 AI 工作站上的 RAPIDS，數(shù)據(jù)科學(xué)家可以在本地環(huán)境中使用他們喜歡的工具，從而不再有處理瓶頸。

數(shù)據(jù)準(zhǔn)備：借助 NVIDIA RTX GPU 以及 RAPIDS cuDF 和 NetworkX 等庫，快速處理大型數(shù)據(jù)集，且無需更改代碼。RAPIDS cuDF 可將 pandas 操作的性能提升高達(dá) 100 倍，且無需更改代碼，從而實現(xiàn)快速數(shù)據(jù)準(zhǔn)備。這使您能夠繞過傳統(tǒng)工具的限制，即刻從更高的處理速度中受益。

探索性數(shù)據(jù)分析：利用高級分析和可視化工具提取可行見解。借助 RAPIDS 和 PyData 庫，您可以創(chuàng)建內(nèi)容豐富、細(xì)節(jié)豐富的可視化效果，這些可視化效果能夠以交互方式響應(yīng)更新和更改。這些可視化可增強(qiáng)對數(shù)據(jù)的理解，并為關(guān)鍵決策提供支持。

模型訓(xùn)練：借助 GPU 加速的 XGBoost，模型訓(xùn)練時間可從數(shù)周大幅縮短到幾分鐘。這種加速可加快迭代速度，提高運(yùn)營效率和生產(chǎn)力。

適用于數(shù)據(jù)科學(xué)的高性能 AI 工作站

NVIDIA RTX 助力的 AI 工作站專為推動高性能數(shù)據(jù)科學(xué)而打造。通過將新款NVIDIA RTX GPU 與強(qiáng)大的軟件堆棧 (包括 NVIDIA CUDA-X 和 RAPIDS 數(shù)據(jù)處理及機(jī)器學(xué)習(xí)庫) 相結(jié)合，這些工作站可加速數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練和可視化工作流程。AI 工作站經(jīng)過優(yōu)化，可實現(xiàn)快速的本地處理，并將延遲降至最低，從而提供無縫的開發(fā)體驗。工作站利用 NVIDIA AI Workbench 來簡化了從桌面到云平臺等各種環(huán)境中的項目設(shè)置、開發(fā)和協(xié)作。

對于使用 Python 的數(shù)據(jù)科學(xué)家，NVIDIA 的 cuDF 提供了一種零代碼更改解決方案，可轉(zhuǎn)變 pandas 操作，使性能提升高達(dá) 100 倍。與基于 CPU 的解決方案相比，NVIDIA 加速的端到端數(shù)據(jù)分析工具鏈可更大限度地提高數(shù)據(jù)科學(xué)家的工作效率。