NVIDIA在CUDA-X数据科学制造中进步ML

根据Divyansh Jain在NVIDIA开发人员博客上的最新博客文章的报道，NVIDIA在整合机器学习（ML）和数据科学方面处于革新其制造过程的最前沿。该公司利用其CUDA-X库来增强芯片制造工作流程，从晶圆制造到包装芯片测试，解决复杂的任务。

用ML优化制造

半导体巨头在其整个制造阶段都会产生数据核。将这些数据转换为可行的见解对于维持质量，吞吐量和成本效率至关重要。 NVIDIA开发了强大的ML管道，该管道解决了关键问题，例如缺陷检测和测试优化，利用CUDA-X库（例如NVIDIA CUDF和NVIDIA CUML）进行快速数据处理和模型培训。

解决班级失衡

以制造为重点的ML的一个重大挑战是处理不平衡的数据集，该数据集通过大多数单元通过测试，只剩下一小部分失败。这种不平衡会偏向模型培训。 NVIDIA通过采用有针对性的采样方法来解决这一问题，包括合成少数群体过采样技术（SMOTE）和分层采样，以平衡数据集。使用CUDA-X库加速了这些过程，从而可以直接在GPU存储器中进行有效的模型实验。

高级评估指标

在高度不平衡的情况下，诸如准确性之类的标准指标可能会产生误导。 NVIDIA使用诸如加权准确性和Precision-Recall曲线下的面积之类的指标来更好地评估模型性能。这些指标有助于强调模型的真正预测能力，从而确保误报最小化。

增强可解释性

除了性能之外，可解释性和可行性在操作环境中至关重要。 NVIDIA依靠CUML的功能重要性工具来识别供审核的高影响力功能，并有助于消除冗余测试步骤。此外，GPU加速形状实现提供了有关功能贡献的见解，增强了模型透明度和信任。

未来的方向

Nvidia继续扩大其在制造业中的ML功能，并有望在即将发布的博客文章中进一步见解。该公司计划探索高级功能工程技术和商业感知评估指标，旨在通过ML驱动的见解赋予运营工程能力。有关更多详细信息，请参阅NVIDIA开发人员博客上的原始博客文章。

图像来源：Shutterstock