Изучаем RAY
Описание и характеристики
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.
ID товара
3004099
Издательство
КТК Галактика
Год издания
2023
ISBN
978-601-08-3430-9
Количество страниц
290
Размер
2x17.3x24.3
Тип обложки
Твёрдый переплёт
Тираж
200
Вес, г
580
3 249 ₽
+ до 487 бонусов
Последний экземпляр
В магазины сети, бесплатно
СегодняАдреса магазинов
Другие способы доставки
Отзывы
15 бонусов
за полезный отзыв длиной от 300 символов
15 бонусов
если купили в интернет-магазине «Читай-город»
Оставьте отзыв и получите бонусы
Оставьте первый отзыв и получите за него бонусы.
Это поможет другим покупателям сделать правильный выбор.
5.0
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.
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.