Изучаем RAY. Гибкие распределенные вычисления на Python в машинном обучении

Данная книга поможет программистам на Python, инженерам и исследователям данных научиться применять фреймворк распределенных вычислений с открытым исходным кодом Ray и разворачивать вычислительные кластеры Ray. Ray может использоваться для структурирования и выполнения крупномасштабных программ машинного обучения. Распределенные вычисления отличаются своей сложностью, но с помощью Ray вы легко приступите к работе. Прочитав книгу, вы научитесь: - создавать свои первые распределенные приложения с помощью ядра фреймворка – Ray Core; - оптимизировать гиперпараметры с помощью библиотеки Ray Tune; - применять библиотеку Ray RLlib для обучения с подкреплением; - управлять распределенной тренировкой моделей с помощью библиотеки Ray Train; - применять Ray для обработки данных с помощью библиотеки Ray Data; - работать с кластерами Ray и подачей моделей в качестве служб с помощью библиотеки Ray Serve; - создавать сквозные приложения машинного обучения с помощью инструментария Ray AIR.