machine learningclássico

Estes exemplos fazem execução de tarefas de Machine Learning clássico no AI Runtime. Eles mostram como usar a aceleração de GPU para algoritmos tradicionais de ML, modelos fundamentais tabulares e previsão de séries temporais, incluindo regressão com XGBoost, previsão zero-shot com TabFM e previsão probabilística com GluonTS.

Exemplo	Interface	Descrição
Modelo XGBoost	Notebook	Este notebook demonstra como treinar um modelo de regressão XGBoost em uma única GPU. XGBoost pode se beneficiar significativamente da aceleração por GPU para conjuntos de dados grandes.
Ajustar hiperparâmetros do XGBoost com o Optuna	Notebook	Este notebook demonstra a otimização de hiperparâmetros para um modelo de classificação XGBoost em uma única GPU usando Optuna e acompanhamento de experimentos do MLflow.
Zero-shot tabular predictions with TabFM	Notebook	Este notebook demonstra classificação e regressão zero-shot com o modelo de fundação tabular TabFM do Google. O TabFM usa aprendizado em contexto para fazer previsões em uma única passagem direta, sem ajuste fino ou treinamento específico do dataset.
Previsão de séries temporais com GluonTS	Notebook	Este notebook demonstra um fluxo de trabalho completo para previsão probabilística de série temporal de dados de consumo de eletricidade com o modelo DeepAR do GluonTS no AI Runtime. Abrange ingestão de dados, reamostragem, treinamento de modelo, previsão, visualização e avaliação.
Treinamento do XGBoost em uma única GPU	CLIPE	Ensine um classificador XGBoost no dataset Forest CoverType usando uma GPU A10, registre as métricas no MLflow e faça o registro do modelo no Unity Catalog.
Busca de hiperparâmetros do XGBoost com o Ray Tune	CLIPE	Use Ray Tune e ASHA para pesquisar hiperparâmetros do XGBoost em quatro GPUs A10, registrar a melhor configuração no MLflow e fazer o registro do modelo no Unity Catalog.
Classificação de nós de gráfico com GraphSAGE	CLIPE	Ensinar um modelo GraphSAGE em uma GPU A10 para classificar artigos de pesquisa no gráfico de citações ogbn-arxiv.
Previsões de série temporal com Chronos-2	CLIPE	Use Chronos-2 para gerar e avaliar previsões contínuas de preço de eletricidade para o dia seguinte em uma GPU A10.
Detecção de anomalias de série temporal com Kumo-Anomaly	CLIPE	Faça um fine-tuning do NVIDIA Kumo-Anomaly em uma GPU A10 e compare os modelos base e fine-tuned em dados de detecção de anomalias retidos.

Exemplo	Interface	Descrição
Modelo XGBoost	Notebook	Este notebook demonstra como treinar um modelo de regressão XGBoost em uma única GPU. XGBoost pode se beneficiar significativamente da aceleração por GPU para conjuntos de dados grandes.
Ajustar hiperparâmetros do XGBoost com o Optuna	Notebook	Este notebook demonstra a otimização de hiperparâmetros para um modelo de classificação XGBoost em uma única GPU usando Optuna e acompanhamento de experimentos do MLflow.
Zero-shot tabular predictions with TabFM	Notebook	Este notebook demonstra classificação e regressão zero-shot com o modelo de fundação tabular TabFM do Google. O TabFM usa aprendizado em contexto para fazer previsões em uma única passagem direta, sem ajuste fino ou treinamento específico do dataset.
Previsão de séries temporais com GluonTS	Notebook	Este notebook demonstra um fluxo de trabalho completo para previsão probabilística de série temporal de dados de consumo de eletricidade com o modelo DeepAR do GluonTS no AI Runtime. Abrange ingestão de dados, reamostragem, treinamento de modelo, previsão, visualização e avaliação.
Treinamento do XGBoost em uma única GPU	CLIPE	Ensine um classificador XGBoost no dataset Forest CoverType usando uma GPU A10, registre as métricas no MLflow e faça o registro do modelo no Unity Catalog.
Busca de hiperparâmetros do XGBoost com o Ray Tune	CLIPE	Use Ray Tune e ASHA para pesquisar hiperparâmetros do XGBoost em quatro GPUs A10, registrar a melhor configuração no MLflow e fazer o registro do modelo no Unity Catalog.
Classificação de nós de gráfico com GraphSAGE	CLIPE	Ensinar um modelo GraphSAGE em uma GPU A10 para classificar artigos de pesquisa no gráfico de citações ogbn-arxiv.
Previsões de série temporal com Chronos-2	CLIPE	Use Chronos-2 para gerar e avaliar previsões contínuas de preço de eletricidade para o dia seguinte em uma GPU A10.
Detecção de anomalias de série temporal com Kumo-Anomaly	CLIPE	Faça um fine-tuning do NVIDIA Kumo-Anomaly em uma GPU A10 e compare os modelos base e fine-tuned em dados de detecção de anomalias retidos.