{"course":{"productid":34489,"modality":6,"active":true,"language":"de","title":"Enhancing Data Science Outcomes With Efficient Workflow","productcode":"EDSOEW","vendorcode":"NV","vendorname":"Nvidia","fullproductcode":"NV-EDSOEW","courseware":{"has_ekit":false,"has_printkit":true,"language":""},"url":"https:\/\/portal.flane.ch\/course\/nvidia-edsoew","objective":"<ul>\n<li>Entwicklung und Bereitstellung einer beschleunigten End-to-End-Datenverarbeitungspipeline f&uuml;r grosse Datens&auml;tze<\/li><li>Skalierung datenwissenschaftlicher Arbeitsabl&auml;ufe mit verteilter Datenverarbeitung<\/li><li>DataFrame-Transformationen durchf&uuml;hren, die die Vorteile der Hardwarebeschleunigung nutzen und versteckte Verlangsamungen vermeiden<\/li><li>Verbessern Sie L&ouml;sungen f&uuml;r maschinelles Lernen durch Feature-Engineering und schnelles Experimentieren<\/li><li>Verbesserung der Leistung der Datenverarbeitungspipeline durch Optimierung der Speicherverwaltung und der Hardwareauslastung<\/li><\/ul>","essentials":"<ul>\n<li>Grundlegende Kenntnisse eines standardm&auml;ssigen Data-Science-Workflows f&uuml;r tabellarische Daten. Um ein angemessenes Verst&auml;ndnis zu erlangen, empfehlen wir diesen Artikel.<\/li><li>Kenntnisse &uuml;ber verteiltes Rechnen mit Dask. Um ein angemessenes Verst&auml;ndnis zu erlangen, empfehlen wir die &quot;Get Started&quot;-Anleitung von Dask.<\/li><li>Abschluss des DLI-Kurses &quot;Fundamentals of Accelerated Data Science&quot; oder die F&auml;higkeit, Daten mit cuDF zu manipulieren und einige Erfahrung in der Erstellung von Machine-Learning-Modellen mit cuML.<\/li><\/ul>","outline":"<p><strong>Einf&uuml;hrung<\/strong>\n<\/p>\n<ul>\n<li>Treffen Sie den Ausbilder.<\/li><li>Erstellen Sie ein Konto unter courses.nvidia.com\/join<\/li><\/ul><p><strong>Fortgeschrittenes Extrahieren, Transformieren und Laden (ETL)<\/strong>\n<\/p>\n<ul>\n<li>Lernen Sie, wie Sie grosse Datenmengen f&uuml;r nachgelagerte Analysen effizient verarbeiten k&ouml;nnen:<ul>\n<li>Diskutieren Sie die aktuellen Herausforderungen der wachsenden Datenmengen.<\/li><li>Effiziente Durchf&uuml;hrung von ETL f&uuml;r grosse Datenmengen.<\/li><li>Besprechen Sie versteckte Verlangsamungen und f&uuml;hren Sie DataFrame-Transformationen korrekt durch.<\/li><li>Diskussion von Diagnosetools zur &Uuml;berwachung und Optimierung der Hardwareauslastung.<\/li><li>Persistieren Sie Daten so, dass sie f&uuml;r nachgelagerte Analysen geeignet sind.<\/li><\/ul><\/li><\/ul><p><strong>Training auf mehreren GPUs mit PyTorch Distributed Data Parallel (DDP)<\/strong>\n<\/p>\n<ul>\n<li>Lernen Sie, wie Sie die Datenanalyse bei grossen Datenmengen verbessern k&ouml;nnen:<ul>\n<li>Erstellen und vergleichen Sie Klassifizierungsmodelle.<\/li><li>Auswahl von Merkmalen auf der Grundlage der Vorhersagekraft von neuen und bestehenden Merkmalen.<\/li><li>F&uuml;hren Sie die Abstimmung der Hyperparameter durch.<\/li><li>Erstellen Sie Einbettungen mit Deep Learning und Clustering auf Einbettungen.<\/li><\/ul><\/li><\/ul><p><strong>Einsatz<\/strong>\n<\/p>\n<ul>\n<li>Erfahren Sie, wie Sie die Leistung einer beschleunigten Datenverarbeitungspipeline einsetzen und messen k&ouml;nnen:<\/li><li>Stellen Sie eine Datenverarbeitungspipeline mit Triton Inference Server bereit.<\/li><li>Er&ouml;rterung verschiedener Tuning-Parameter zur Leistungsoptimierung.<\/li><\/ul><p><strong>Bewertung und Fragen und Antworten<\/strong><\/p>","comments":"<p><em>Dieser Text wurde automatisiert &uuml;bersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <span class=\"cms-link-marked\"><a class=\"fl-href-prod\" href=\"\/swisscom\/en\/course\/nvidia-edsoew\"><svg role=\"img\" aria-hidden=\"true\" focusable=\"false\" data-nosnippet class=\"cms-linkmark\"><use xlink:href=\"\/css\/img\/icnset-linkmarks.svg#linkmark\"><\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"<p>Lernen Sie, wie Sie eine durchg&auml;ngige, hardwarebeschleunigte Pipeline f&uuml;r maschinelles Lernen f&uuml;r grosse Datens&auml;tze erstellen k&ouml;nnen. W&auml;hrend des gesamten Entwicklungsprozesses verwenden Sie Diagnosetools, um Verz&ouml;gerungen zu erkennen und lernen, h&auml;ufige Fallstricke zu entsch&auml;rfen.<\/p>\n<p><em>Bitte beachten Sie, dass eine einmal best&auml;tigte Buchung nicht mehr r&uuml;ckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f&uuml;r eine Veranstaltung nach der Best&auml;tigung nicht mehr stornieren k&ouml;nnen und keine R&uuml;ckerstattung erfolgt, unabh&auml;ngig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"- Entwicklung und Bereitstellung einer beschleunigten End-to-End-Datenverarbeitungspipeline f\u00fcr grosse Datens\u00e4tze\n- Skalierung datenwissenschaftlicher Arbeitsabl\u00e4ufe mit verteilter Datenverarbeitung\n- DataFrame-Transformationen durchf\u00fchren, die die Vorteile der Hardwarebeschleunigung nutzen und versteckte Verlangsamungen vermeiden\n- Verbessern Sie L\u00f6sungen f\u00fcr maschinelles Lernen durch Feature-Engineering und schnelles Experimentieren\n- Verbesserung der Leistung der Datenverarbeitungspipeline durch Optimierung der Speicherverwaltung und der Hardwareauslastung","essentials_plain":"- Grundlegende Kenntnisse eines standardm\u00e4ssigen Data-Science-Workflows f\u00fcr tabellarische Daten. Um ein angemessenes Verst\u00e4ndnis zu erlangen, empfehlen wir diesen Artikel.\n- Kenntnisse \u00fcber verteiltes Rechnen mit Dask. Um ein angemessenes Verst\u00e4ndnis zu erlangen, empfehlen wir die \"Get Started\"-Anleitung von Dask.\n- Abschluss des DLI-Kurses \"Fundamentals of Accelerated Data Science\" oder die F\u00e4higkeit, Daten mit cuDF zu manipulieren und einige Erfahrung in der Erstellung von Machine-Learning-Modellen mit cuML.","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto unter courses.nvidia.com\/join\nFortgeschrittenes Extrahieren, Transformieren und Laden (ETL)\n\n\n\n- Lernen Sie, wie Sie grosse Datenmengen f\u00fcr nachgelagerte Analysen effizient verarbeiten k\u00f6nnen:\n- Diskutieren Sie die aktuellen Herausforderungen der wachsenden Datenmengen.\n- Effiziente Durchf\u00fchrung von ETL f\u00fcr grosse Datenmengen.\n- Besprechen Sie versteckte Verlangsamungen und f\u00fchren Sie DataFrame-Transformationen korrekt durch.\n- Diskussion von Diagnosetools zur \u00dcberwachung und Optimierung der Hardwareauslastung.\n- Persistieren Sie Daten so, dass sie f\u00fcr nachgelagerte Analysen geeignet sind.\nTraining auf mehreren GPUs mit PyTorch Distributed Data Parallel (DDP)\n\n\n\n- Lernen Sie, wie Sie die Datenanalyse bei grossen Datenmengen verbessern k\u00f6nnen:\n- Erstellen und vergleichen Sie Klassifizierungsmodelle.\n- Auswahl von Merkmalen auf der Grundlage der Vorhersagekraft von neuen und bestehenden Merkmalen.\n- F\u00fchren Sie die Abstimmung der Hyperparameter durch.\n- Erstellen Sie Einbettungen mit Deep Learning und Clustering auf Einbettungen.\nEinsatz\n\n\n\n- Erfahren Sie, wie Sie die Leistung einer beschleunigten Datenverarbeitungspipeline einsetzen und messen k\u00f6nnen:\n- Stellen Sie eine Datenverarbeitungspipeline mit Triton Inference Server bereit.\n- Er\u00f6rterung verschiedener Tuning-Parameter zur Leistungsoptimierung.\nBewertung und Fragen und Antworten","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"Lernen Sie, wie Sie eine durchg\u00e4ngige, hardwarebeschleunigte Pipeline f\u00fcr maschinelles Lernen f\u00fcr grosse Datens\u00e4tze erstellen k\u00f6nnen. W\u00e4hrend des gesamten Entwicklungsprozesses verwenden Sie Diagnosetools, um Verz\u00f6gerungen zu erkennen und lernen, h\u00e4ufige Fallstricke zu entsch\u00e4rfen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":0.5,"formatted":"0.5 Tage"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-07-29T12:18:27+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34489","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-edsoew"}}