Sailor
Организатор
- #1
[ДМК] Изучаем Ray. Гибкие распределенные вычисления на Python в машинном обучении [Макс Пумперла, Эдвард Оукс]
- Ссылка на картинку
Данная книга поможет программистам
на Python, инженерам и исследователям данных научиться применять фреймворк распределенных вычислений с открытым исходным кодом Ray и разворачивать вычислительные кластеры Ray. Ray может использоваться для структурирования и выполнения крупномасштабных программ машинного обучения. Распределенные вычисления отличаются своей сложностью, но с помощью Ray вы легко приступите к работе.
Прочитав книгу, вы:
научитесь создавать свои первые распределенные приложения с помощью ядра фреймворка – Ray Core;
проведете оптимизацию гиперпараметров с помощью библиотеки Ray Tune;
примените библиотеку Ray RLlib для обучения с подкреплением;
будете управлять распределенной тренировкой моделей с помощью библиотеки Ray Train;
примените Ray для обработки данных с помощью библиотеки Ray Data;
научитесь работать с кластерами Ray и подачей моделей в качестве служб с помощью библиотеки Ray Serve;
создадите сквозные приложения машинного обучения с помощью инструментария Ray AIR.
Прочитав книгу, вы:
научитесь создавать свои первые распределенные приложения с помощью ядра фреймворка – Ray Core;
проведете оптимизацию гиперпараметров с помощью библиотеки Ray Tune;
примените библиотеку Ray RLlib для обучения с подкреплением;
будете управлять распределенной тренировкой моделей с помощью библиотеки Ray Train;
примените Ray для обработки данных с помощью библиотеки Ray Data;
научитесь работать с кластерами Ray и подачей моделей в качестве служб с помощью библиотеки Ray Serve;
создадите сквозные приложения машинного обучения с помощью инструментария Ray AIR.
