NVIDIA RTX赋能AI工作站加速数据科学工作流程

各行各业都在借助 AI 实现转型，以提高竞争力和运营效率。在零售业中，聊天机器人正在简化用户的产品库存搜索。在金融服务业，基于 AI 的工具正应用于欺诈检测。而在医疗健康领域，AI 正在帮助从基因组学中发现新的见解，从而改善患者的治疗效果。

为了使 AI 在特定领域的用例中充分发挥潜力，需要大量适合最终目的的数据来进行训练。为此，数据科学家通过清理数据、管理缺失值、转换数据类型以及设计模型所需的特定功能来对数据集进行预处理。数据预处理在特定领域尤为重要，因为特定且通常专有的数据会决定 AI 在该领域的智能程度。

好消息是，我们拥有比以往更多的数据，在 2023-2028 年期间，数据量预计将以 24.4% 的复合年增长率继续增长。出现的问题是，对高效处理工具的需求比以往任何时候都更加迫切。

对数据的爆炸性增长和日益复杂的需求使基于 CPU 的传统数据处理工具不堪重负。数据科学家通常使用大型数据集，这些数据集被整理成包含数百万行和列的表格。随着数据集规模的增长，传统数据处理工具的速度明显放缓，降低了企业的生产力并拖延了产品上市时间。

加速数据科学工作流程的每一步

为满足 AI 数据预处理的需求，NVIDIA 提供了全面的全栈解决方案，将加速数据处理库与 NVIDIA RTX 助力的 AI 工作站相结合。RAPIDS 包含适用于 pandas、NetworkX 和 XGBoost 等基于 Python 的库的零代码更改加速器，使开发者能够在不影响速度的情况下编写代码。NVIDIA RTX 助力的 AI 工作站，旨在利用 NVIDIA RTX GPU 中的并行处理能力，为数据科学任务提供出色性能。借助 RTX 驱动的 AI 工作站上的 RAPIDS，数据科学家可以在本地环境中使用他们喜欢的工具，从而不再有处理瓶颈。

数据准备：借助 NVIDIA RTX GPU 以及 RAPIDS cuDF 和 NetworkX 等库，快速处理大型数据集，且无需更改代码。RAPIDS cuDF 可将 pandas 操作的性能提升高达 100 倍，且无需更改代码，从而实现快速数据准备。这使您能够绕过传统工具的限制，即刻从更高的处理速度中受益。

探索性数据分析：利用高级分析和可视化工具提取可行见解。借助 RAPIDS 和 PyData 库，您可以创建内容丰富、细节丰富的可视化效果，这些可视化效果能够以交互方式响应更新和更改。这些可视化可增强对数据的理解，并为关键决策提供支持。

模型训练：借助 GPU 加速的 XGBoost，模型训练时间可从数周大幅缩短到几分钟。这种加速可加快迭代速度，提高运营效率和生产力。

适用于数据科学的高性能 AI 工作站

NVIDIA RTX 助力的 AI 工作站专为推动高性能数据科学而打造。通过将新款NVIDIA RTX GPU 与强大的软件堆栈 (包括 NVIDIA CUDA-X 和 RAPIDS 数据处理及机器学习库) 相结合，这些工作站可加速数据准备、模型训练和可视化工作流程。AI 工作站经过优化，可实现快速的本地处理，并将延迟降至最低，从而提供无缝的开发体验。工作站利用 NVIDIA AI Workbench 来简化了从桌面到云平台等各种环境中的项目设置、开发和协作。

对于使用 Python 的数据科学家，NVIDIA 的 cuDF 提供了一种零代码更改解决方案，可转变 pandas 操作，使性能提升高达 100 倍。与基于 CPU 的解决方案相比，NVIDIA 加速的端到端数据分析工具链可更大限度地提高数据科学家的工作效率。