NCP-ADS 문제 66
데이터 과학자가 클라우드 기반 환경에서 딥러닝 모델을 학습시키는 작업을 진행하고 있습니다. 데이터셋 규모가 커서 일반 CPU 인스턴스에서는 모델 수렴에 너무 오랜 시간이 걸리고 있습니다.
GPU 가속을 통해 성능을 최적화하기 위해 데이터 과학자는 다음 전략 중 어떤 것을 구현해야 할까요?
GPU 가속을 통해 성능을 최적화하기 위해 데이터 과학자는 다음 전략 중 어떤 것을 구현해야 할까요?
NCP-ADS 문제 67
NVIDIA RAPIDS GPU를 활용하여 데이터 변환 속도를 높이는 데이터 처리 파이프라인을 관리하고 있습니다. 실행 중에 파이프라인이 예상했던 성능 향상을 달성하지 못하는 것을 발견했습니다.
NVIDIA 기술을 사용하여 이 파이프라인의 병목 현상을 모니터링하고 진단하는 가장 효과적인 접근 방식은 무엇입니까?
NVIDIA 기술을 사용하여 이 파이프라인의 병목 현상을 모니터링하고 진단하는 가장 효과적인 접근 방식은 무엇입니까?
NCP-ADS 문제 68
약 10GB 크기의 구조화된 데이터셋을 다루고 있으며, NVIDIA 기술을 활용하여 탐색적 데이터 분석(EDA), 특징 엔지니어링 및 필터링 작업을 효율적으로 수행해야 합니다. 데이터셋은 단일 GPU 메모리에 저장됩니다.
최상의 성능을 얻으려면 어떤 데이터 처리 라이브러리를 사용해야 할까요?
최상의 성능을 얻으려면 어떤 데이터 처리 라이브러리를 사용해야 할까요?
NCP-ADS 문제 69
특정 CUDA, cuDNN 및 RAPIDS 버전이 필요한 딥러닝 프로젝트를 위해 GPU 가속 환경을 구축해야 합니다.
다음 중 Docker를 사용하여 재현 가능한 환경을 가장 잘 보장하는 방법은 무엇입니까?
다음 중 Docker를 사용하여 재현 가능한 환경을 가장 잘 보장하는 방법은 무엇입니까?
NCP-ADS 문제 70
cuGraph를 사용하여 방향성 웹 그래프에서 PageRank 알고리즘을 실행하고 있습니다. 데이터셋이 방대하기 때문에 GPU 성능을 최적화하면서 정확하고 효율적인 계산을 보장하고자 합니다.
다음 구성 중 cuGraph에서 PageRank를 실행하는 데 가장 적합한 접근 방식은 무엇입니까?
다음 구성 중 cuGraph에서 PageRank를 실행하는 데 가장 적합한 접근 방식은 무엇입니까?