Пример из данного раздела позволит пользователям научиться отправлять задачи для обучения моделей на CPU.
Для запуска примера создайте или подключитесь к уже существующему Jupyter Server.
В этом примере происходит обучение с помощью библиотек XGBoost
на маленьком датасете California House Pricing
с помощью создания и отправки CPU-задачи.
Рекомендуется использовать XGBoost
на GPU, либо использовать Spark
при расчетах больших датасетов.
После подключения к Jupyter Server необходимо загрузить файлы через веб-интерфейс Jupyter Server внутри ML Space:
- cal_housing_py3.pkz — датасет
California House Pricing
. - quick-start.ipynb — Jupyter-ноутбук, который запустит задачу обучения.
- requirements.txt — файл с зависимостями, который используется для сборки кастомного образа.
- xgboost-boston-house-price.py — код модели, который запускается из quick-start.ipynb.
Для запуска загрузите ноутбук quick-start.ipynb в веб-интерфейс Jupyter Server, созданного в ML Space.