古典的な機械学習

これらの例では、AIランタイム上で従来型のMachine Learningタスクを実行します。これらは、XGBoost回帰、TabFMによるゼロショット予測、GluonTSによる確率的予測など、従来型の機械学習アルゴリズム、表形式の基盤モデル、時系列予測にGPUアクセラレーションを使用する方法を示します。

例	インターフェース	説明
XGBoostモデルのトレーニング	ノートブック	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。
Optuna を使用した XGBoost ハイパーパラメーターのチューニング	ノートブック	このノートブックでは、Optuna と MLflow のエクスペリメント追跡を使用して、単一 GPU 上の XGBoost 分類モデルのハイパーパラメータ最適化を示します。
TabFM によるゼロショット表形式予測	ノートブック	このノートブックでは、Google の TabFM 表形式基盤モデルを使用したゼロショット分類および回帰について説明します。TabFM は、ファインチューニングやデータセット固有のトレーニングを行わずに、単一のフォワードパスで予測を行うインコンテキスト学習を使用します。
GluonTSを用いた時系列予測	ノートブック	このノートブックは、AI ランタイム上で GluonTS の DeepAR モデルを使用して、電力消費データの確率的時系列予測を行うエンドツーエンドのワークフローを示しています。これには、データ取り込み、リサンプリング、モデルのトレーニング、予測、可視化、評価が含まれます。
単一 GPU での XGBoost トレーニング	CLI	1 基の A10 GPU で Forest CoverType データセットを使用して XGBoost 分類器をトレーニングし、メトリクスを MLflow に Logして、モデルを Unity Catalog に登録します。
Ray TuneによるXGBoostのハイパーパラメータ検索	CLI	Ray Tune と ASHA を使用して、4 台の A10 GPU で XGBoost のハイパーパラメーターを検索し、最適な構成を MLflow に記録して、モデルを Unity Catalog に登録します。
GraphSAGEによるグラフノード分類	CLI	ogbn-arxiv引用グラフの論文を分類するために、1つのA10 GPUでGraphSAGEモデルをトレーニングします。
Chronos-2による時系列予測	CLI	1つのA10 GPUでChronos-2を使用して、翌日の電力価格の予測を生成および評価します。
Kumo-Anomalyによる時系列異常検知	CLI	1基の A10 GPU で NVIDIA Kumo-Anomaly を微調整し、ホールドアウトの異常検知データでベースモデルと微調整済みモデルを比較します。

例	インターフェース	説明
XGBoostモデルのトレーニング	ノートブック	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。
Optuna を使用した XGBoost ハイパーパラメーターのチューニング	ノートブック	このノートブックでは、Optuna と MLflow のエクスペリメント追跡を使用して、単一 GPU 上の XGBoost 分類モデルのハイパーパラメータ最適化を示します。
TabFM によるゼロショット表形式予測	ノートブック	このノートブックでは、Google の TabFM 表形式基盤モデルを使用したゼロショット分類および回帰について説明します。TabFM は、ファインチューニングやデータセット固有のトレーニングを行わずに、単一のフォワードパスで予測を行うインコンテキスト学習を使用します。
GluonTSを用いた時系列予測	ノートブック	このノートブックは、AI ランタイム上で GluonTS の DeepAR モデルを使用して、電力消費データの確率的時系列予測を行うエンドツーエンドのワークフローを示しています。これには、データ取り込み、リサンプリング、モデルのトレーニング、予測、可視化、評価が含まれます。
単一 GPU での XGBoost トレーニング	CLI	1 基の A10 GPU で Forest CoverType データセットを使用して XGBoost 分類器をトレーニングし、メトリクスを MLflow に Logして、モデルを Unity Catalog に登録します。
Ray TuneによるXGBoostのハイパーパラメータ検索	CLI	Ray Tune と ASHA を使用して、4 台の A10 GPU で XGBoost のハイパーパラメーターを検索し、最適な構成を MLflow に記録して、モデルを Unity Catalog に登録します。
GraphSAGEによるグラフノード分類	CLI	ogbn-arxiv引用グラフの論文を分類するために、1つのA10 GPUでGraphSAGEモデルをトレーニングします。
Chronos-2による時系列予測	CLI	1つのA10 GPUでChronos-2を使用して、翌日の電力価格の予測を生成および評価します。
Kumo-Anomalyによる時系列異常検知	CLI	1基の A10 GPU で NVIDIA Kumo-Anomaly を微調整し、ホールドアウトの異常検知データでベースモデルと微調整済みモデルを比較します。