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. Это и многое другое вы найдете в книге Изучаем RAY. Гибкие распределенные вычисления на Python в машинном обучении (Макс Пумперла, Эдвард Оукс, Ричард Ляо)