Ray分布式机器学习：利用Ray进行大模型的数据处理、训练、推理和部署

作者简介

Max Pumperla是一位现居德国汉堡的数据科学家和软件工程师。作为一名活跃的开源贡献者，他是多个Python包的维护者、机器学习书籍的作者，并多次在国际会议上发表演讲。他目前在Anyscale担任软件工程师。在担任Pathmind公司的产品负责人时，他使用Ray RLlib、Serve和Tune开发了用于大规模产业应用的强化学习解决方案。Max曾是Skymind的DL4J核心开发者，他拓展了Keras生态，并且是Hyperopt的维护者。

内容简介

Ray是开源分布式计算框架，简化了扩展计算密集型Python工作负载的过程。通过本书，Python程序员、数据工程师和数据科学家将学会如何在本地利用Ray并启动计算集群。你将能够使用Ray来大规模构建和运行机器学习程序。 三位作者展示了如何使用Ray构建机器学习应用程序。你将了解Ray如何融入当前的机器学习工具，并了解Ray与这些工具紧密集 成的方法。分布式计算很难，但Ray让一切困难迎刃而解。 通过学习本书，你将： ? 了解如何使用Ray Core构建分布式应用程序。 ? 使用Ray Tune进行超参数优化。 ? 使用Ray RLlib库进行强化学习。 ? 使用Ray Train库管理分布式训练。 ? 使用Ray Datasets进行数据处理。 ? 了解如何使用Ray Clusters以及如何使用Ray Serve为模型提供服务。 ? 使用Ray AIR创建端到端机器学习应用程序。