Rayon d'apprentissage

Avant-propos

Depuis une dizaine d'années, les demandes de calcul des applications d'apprentissage automatique et de données dépassent largement les capacités d'un seul serveur ou d'un seul processeur, y compris les accélérateurs matériels tels que les GPU et les TPU. Cette tendance ne nous laisse pas d'autre choix que de distribuer ces applications. Malheureusement, la création de telles applications distribuées est notoirement difficile.

Au cours des dernières années, Ray s'est imposé comme le framework de choix pour simplifier le développement de telles applications. Ray comprend un noyau flexible et un ensemble de bibliothèques puissantes qui permettent aux développeurs de mettre facilement à l'échelle une variété de charges de travail, notamment la formation, le réglage des hyperparamètres, l'apprentissage par renforcement, le service de modèles et le traitement par lots de données non structurées. Ray est l'un des projets open source les plus populaires et a été utilisé par des milliers d'entreprises pour tout mettre en œuvre, des plateformes d'apprentissage automatique aux systèmes de recommandation, en passant par la détection des fraudes et l'entraînement de certains des plus grands modèles, notamment le ChatGPT d'Open AI.

Dans ce livre, Max Pumperla, Edward Oakes et Richard Liaw ont fait un travail remarquable en proposant une introduction douce et complète à Ray et à ses bibliothèques à l'aide d'exemples faciles à suivre. À la fin de ce livre, tu maîtriseras les concepts ...