分布式机器学习模式

作者简介

唐源，目前在芝加哥的Uptake公司带领团队建立用于多个物联网领域的数据科学引擎进行条件和健康监控，也建立了公司的预测模型引擎，现在被用于航空、能源等大型机械领域。一直活跃在开源软件社区，是TensorFlow和DMLC的成员，是TensorFlow、XGBoost、MXNet等软件的committer，TF.Learn、ggfortify等软件的作者，以及caret、pandas等软件的贡献者。曾获得谷歌Open Source Peer Bonus，以及多项高校和企业编程竞赛的奖项。在美国宾州州立大学获得荣誉数学学位，曾在本科学习期间成为创业公司DataNovo的核心创始成员，研究专利数据挖掘、无关键字现有技术搜索、策略推荐等。

内容简介

"在现代分布式系统上部署机器学习应用时，我们逐渐将关注焦点转向了可靠性、性能、安全性以及解决这些问题所带来的运维挑战。在这本深入指南中，Argo 和 Kubeflow 的项目负责人Yuan Tang分享了将机器学习模型从单机环境迁移到复杂的分布式集群中的模式、示例和所积累的宝贵经验。 "