分布式机器学习模式，视频版

Distributed Machine Learning Patterns, Video Edition 

视频说明

在视频版中，叙述者阅读书籍，同时内容、图形、代码列表、图表和文本出现在屏幕上。就像有声读物一样，您也可以将其作为视频观看。

将机器学习从笔记本电脑扩展到分布式集群的实用模式。


分布式机器学习系统使开发人员能够跨多个集群处理超大型数据集，利用自动化工具，并从硬件加速中受益。本书揭示了应对扩展机器学习系统挑战的最佳实践技术和内幕提示。


在分布式机器学习模式中，你将学习如何：

• 应用分布式系统模式来构建可扩展且可靠的机器学习项目
• 使用数据摄取、分布式训练、模型服务等功能构建 ML 管道
• 使用 Kubernetes、TensorFlow、Kubeflow 和 Argo 工作流自动执行 ML 任务
• 在不同的模式和方法之间做出权衡
• 大规模管理和监视机器学习工作负载

在分布式机器学习模式中，您将学习如何将已建立的分布式系统模式应用于机器学习项目，并探索专为机器学习创建的前沿新模式。本书牢牢植根于现实世界，使用基于 TensorFlow、Kubernetes、Kubeflow 和 Argo Workflows 的示例演示了如何应用模式。借助动手项目和清晰实用的 DevOps 技术，您可以轻松启动、管理和监控云原生分布式机器学习管道。

 关于技术

在现代分布式系统上部署机器学习应用程序将重点放在可靠性、性能、安全性和其他操作问题上。在这篇深入的指南中，Argo 和 Kubeflow 的项目负责人 Yuan Tang 分享了将 ML 模型从单个设备迁移到分布式集群的模式、示例和来之不易的见解。

 关于本书

分布式机器学习模式提供了数十种用于设计和部署分布式机器学习系统的技术。在其中，您将学习分布式模型训练、管理意外故障和动态模型服务的模式。您将欣赏每个模式附带的实际示例，以及一个全面的项目，该项目在 Kubernetes 上通过自动缩放实现分布式模型训练和推理。

 里面有什么

• 数据引入、分布式训练、模型服务等
• 使用 Kubeflow 和 Argo 工作流实现 Kubernetes 和 TensorFlow 的自动化
• 大规模管理和监视工作负载

 关于读者

适用于熟悉机器学习、Bash、Python 和 Docker 基础知识的数据分析师和工程师。

 关于作者

Yuan Tang 是 Argo 和 Kubeflow 的项目负责人，TensorFlow 和 XGBoost 的维护者，以及众多开源项目的作者。

 引号
对于初学者来说平易近人，对于有经验的从业者来说是鼓舞人心的。读完后，我准备开始建造。
 – 詹姆斯·兰姆（James Lamb），SpotHero

非常及时和全面。它的模式视角，伴随着真实世界的示例和广泛采用的系统，如 Kubernetes、Kubeflow 和 Argo，真正让它与众不同。
 – 陈媛，苹果

为训练和服务模型设计弹性和可扩展的 ML 系统的惊人指南。

– 瑞安·拉森（Ryan Russon），第一资本

一本很棒的书！大规模的机器学习从第一性原理解释得很清楚！

– 劳伦斯·莫罗尼（Laurence Moroney），谷歌