机读格式显示(MARC)

• 000 02383nam0 2200325 450

• 001 0000792521

• 005 20250725204900.0

• 010 __ |a 978-7-111-75338-4 |d CNY99.00

• 100 __ |a 20240611d2024 em y0chiy50 ea

• 101 1_ |a chi |c ger |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a Ray分布式机器学习 |A Rayfen bu shi ji qi xue xi |e 利用Ray进行大模型的数据处理、训练、推理和部署 |f (德) 马克斯·普佩拉, (美) 爱德华·奥克斯, 理查德·廖著 |g 沈冲译

• 210 __ |a 北京 |c 机械工业出版社 |d 2024

• 215 __ |a 237页 |c 图 |d 24cm

• 306 __ |a 由O'ReillyMedia, Inc.的授权出版

• 312 __ |a 原文题名取自封面

• 314 __ |a 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。

• 330 __ |a 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。

• 500 10 |a Learning Ray flexible distributed python for machine learning |A Learning Ray Flexible Distributed Python For Machine Learning |m Chinese

• 517 1_ |a 利用Ray进行大模型的数据处理、训练、推理和部署 |A li yong Rayjin hang da mo xing de shu ju chu li xun lian tui li he bu shu

• 606 0_ |a 分布式算法 |A fen bu shi suan fa |x 机器学习

• 690 __ |a TP181 |v 5

• 701 _1 |a 普佩拉 |A pu pei la |g (Pumperla, Max) |4 著

• 701 _1 |a 奥克斯 |A ao ke si |g (Oakes, Edward) |4 著

• 701 _1 |a 廖 |A liao |g (Liaw, Richard) |4 著

• 702 _0 |a 沈冲 |A shen chong |4 译

• 801 _0 |a CN |b WFKJXY |c 20250725

• 905 __ |a WFKJXY |d TP181/525