NCP-ADS 試験問題 1

あなたは、Daskを使用したマルチGPUアクセラレーションを伴う大規模データ処理パイプラインに取り組んでいます。データセットが大きすぎて単一のGPUのメモリに収まらないため、Dask-CUDAを使用してワークロードを複数のGPUに分散させることにしました。
Daskベースのワークフローにおいて、複数のGPU間で効率的なデータ並列処理を実装するために必要な手順は次のうちどれですか?
  • NCP-ADS 試験問題 2

    あなたは、Amazon S3バケットに保存されている大規模な画像データセットを使用して、深層学習モデルをトレーニングしています。
    CPUのボトルネックを回避するために、NVIDIA GPU上でのデータ読み込み、データ拡張、および前処理を最適化したいと考えている。
    GPUアクセラレーションによるデータ前処理において、以下のどの手法が最も効率的ですか?
  • NCP-ADS 試験問題 3

    あなたは数百万行の機械学習データセットを扱っており、CuDFを使用してGPUのパフォーマンスを最適化したいと考えています。データセットの特徴量の1つは、一意の値が限られたカテゴリデータを表しています。
    メモリ使用量を削減しつつパフォーマンスを最大化するには、以下のデータ型のうちどれを使用すべきでしょうか?
  • NCP-ADS 試験問題 4

    データサイエンスのワークロードを高速化する上でのGPUの役割を最もよく表しているのは、次のうちどれですか?
  • NCP-ADS 試験問題 5

    金融アナリストが、暗号通貨取引を含む不規則な間隔の時系列データセットを扱っています。タイムスタンプは均等に分布しておらず、データが密集している期間と、まばらな期間があります。アナリストは、GPUアクセラレーションを使用してデータを効率的に可視化したいと考えています。
    可視化前の最適な前処理方法はどれですか?