古典的な機械学習

備考

プレビュー

この機能は パブリック プレビュー段階です。

これらのノートブックは、AI Runtimeで従来の機械学習タスクを実行します。これらは、従来の機械学習アルゴリズムや時系列予測（XGBoost回帰やGluonTSを用いた確率的予測など）にGPUアクセラレーションを使用する方法を示しています。

チュートリアル	説明
XGBoostモデルのトレーニング	このノートブックでは、単一のGPU上でXGBoost回帰モデルをトレーニングする方法を示します。XGBoostは、大規模データセットの場合、GPUアクセラレーションによって大きな恩恵を受けることができます。
GluonTSを用いた時系列予測	このノートブックでは、サーバレス GPU クラスター上の GluonTS の DeepAR モデルを使用した、電力消費データの確率的時系列予測のためのエンドツーエンドのワークフローを示します。 データ取り込み、リサンプリング、モデルトレーニング、予測、可視化、評価を網羅しています。

チュートリアル	説明
XGBoostモデルのトレーニング	このノートブックでは、単一のGPU上でXGBoost回帰モデルをトレーニングする方法を示します。XGBoostは、大規模データセットの場合、GPUアクセラレーションによって大きな恩恵を受けることができます。
GluonTSを用いた時系列予測	このノートブックでは、サーバレス GPU クラスター上の GluonTS の DeepAR モデルを使用した、電力消費データの確率的時系列予測のためのエンドツーエンドのワークフローを示します。 データ取り込み、リサンプリング、モデルトレーニング、予測、可視化、評価を網羅しています。