Acelere o treinamento de algoritmos de aprendizado de máquinas

Apresentação

Esta jornada ensina os desenvolvedores a treinarem um algoritmo de aprendizado de máquina rapidamente com o software de virtualização PowerAI por meio do Nimbix. É possível aumentar a velocidade em uma arquitetura não Power ao executar iterações de aprendizado sem supervisão usando GPUs NVIDIA e a plataforma de computação paralela CUDA.

Descrição

Esta jornada do desenvolvedor foi criada para qualquer pessoa um que queira aumentar a velocidade do aprendizado de máquinas, pois mostra como utilizar o novo PowerAI da IBM para aprendizado de máquinas. Você usará um Jupyter Notebook para apresentar um exemplo de aprendizado de máquinas com série temporal em sistemas IBM Power8®. O notebook dedica-se a avaliar a previsibilidade de valores do mercado financeiro futuro no setor de energia renovável ao examinar mercados relacionados e o sentimento detectado em artigos do The New York Times.

Depois de concluir esta jornada, você saberá como:

• Extrair e formatar dados estruturados a partir de várias fontes externas
• Extrair e formatar dados não estruturados e usar os serviços cognitivos do IBM Watson™ para analisar o sentimento dos dados
• Desenvolver e treinar redes neurais
• Exibir e compartilhar resultados em Jupyter Notebooks Jupyter

Esta jornada auxiliará os desenvolvedores de aplicativos que precisam desenvolver aplicativos potentes de aprendizado profundo de forma eficiente, além de aumentar rapidamente a velocidade do aprendizado de máquina. Também é ideal para desenvolvedores que não têm uma vasta experiência em ciência de dados.

Fluxo

1. O desenvolvedor carrega o notebook fornecido, que é executado em um sistema do PowerAI.
2. À medida que é executado, o notebook usa dados do The New York Times e dados do mercado.
3. O notebook utiliza o serviço IBM Watson Natural Language Understanding para analisar o texto.
4. O notebook usa TensorFlow e aprendizado de máquina para desenvolver modelos e previsões.

Aviso

O conteúdo aqui presente foi traduzido da página IBM Developer US. Caso haja qualquer divergência de texto e/ou versões, consulte o conteúdo original.