潍坊科技学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

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/(德) 马克斯·普佩拉, (美) 爱德华·奥克斯, 理查德·廖著 沈冲译

出版发行项:

北京:机械工业出版社,2024

ISBN及定价:

978-7-111-75338-4/CNY99.00

载体形态项:

237页:图;24cm

统一题名:

Learning Ray flexible distributed python for machine learning

其它题名:

利用Ray进行大模型的数据处理、训练、推理和部署

个人责任者:

普佩拉 (Pumperla, Max) 著

个人责任者:

奥克斯 (Oakes, Edward) 著

个人责任者:

廖 (Liaw, Richard) 著

个人次要责任者:

沈冲 译

学科主题:

分布式算法-机器学习

中图法分类号:

TP181

出版发行附注:

由O'ReillyMedia, Inc.的授权出版

相关题名附注:

原文题名取自封面

责任者附注:

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、拓展了Keras生态, 并且是Hyperopt的维护者。Edward Oakes, 是Anyscale的软件工程师和团队负责人, 负责Ray Serve的开发, 是Ray最重要的开源贡献者之一。在加入Anyscale之前, 他是美国加州大学伯克利分校电子工程与计算机科学系的研究生。Richard Liaw, 是Anyscale的软件工程师, 致力于开发用于分布式机器学习的开源工具。他目前暂时从加州大学伯克利分校计算机科学系博士的学习中休学, 他的导师是Joseph Gonzalez、Ion Stoica和Ken Goldberg。

提要文摘附注:

本书展示了如何使用Ray构建机器学习应用程序, 介绍了Ray如何融入当前的机器学习工具, 以及Ray如何与这些工具紧密集成。本书前3章介绍了Ray作为分布式Python框架的基础知识, 并提供了应用示例 ; 第4-10章介绍了Ray高级库 (Ray RLlib、Ray Tune、Ray Dataset、Ray Train、Ray Serve、Ray Cluster、Ray AIR), 并展示如何使用高级库创建应用程序 ; 第11章对Ray的生态进行了总结, 并指导读者继续学习。

豆瓣简介：