کتاب Distributed Machine Learning Patterns

کتاب Distributed Machine Learning Patterns (الگوهای یادگیری ماشینی توزیع شده) مفاهیم مربوط به الگوهای یادگیری ماشین و همچنین سیستم‌های توزیع شده و ارتباط این دو را در 3 قسمت مختلف شرح می‌دهد.

در ادامه مقدمه‌ای از کتاب The Future of Sales را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Distributed Machine Learning Patterns:

در سال‌های اخیر، پیشرفت‌ها در یادگیری ماشین پیشرفت چشمگیری داشته است، اما یادگیری ماشینی در مقیاس بزرگ همچنان چالش برانگیز است. به عنوان مثال آموزش مدل را در نظر بگیرید. با تنوع چارچوب‌های یادگیری ماشینی مانند TensorFlow، PyTorch، و XGBoost، خودکار کردن فرآیند آموزش مدل‌های یادگیری ماشین در خوشه‌های Kubernetes توزیع‌شده آسان نیست.

مدل‌های مختلف به استراتژی‌های آموزشی توزیع‌شده متفاوتی نیاز دارند، مانند استفاده از سرور‌های پارامتر و استراتژی‌های ارتباط جمعی که از ساختار شبکه استفاده می‌کنند. در یک سیستم یادگیری ماشین در دنیای واقعی، بسیاری از اجزای ضروری دیگر، مانند داده‌ها، سرویس‌دهی مدل، و هماهنگ‌سازی گردش کار، باید با دقت طراحی شوند تا سیستم مقیاس‌پذیر، کارآمد و قابل حمل باشد.

محققان یادگیری ماشینی با تجربه اندک یا بدون تجربه DevOps نمی‌توانند به راحتی وظایف آموزشی توزیع شده را راه‌اندازی و مدیریت کنند. کتاب‌های زیادی در مورد یادگیری ماشین یا سیستم‌های توزیع شده نوشته شده است.
با این حال، در حال حاضر هیچ کتابی در دسترس نیست که در مورد ترکیب هر دو صحبت کند و شکاف بین آن‌ها را پر کند. این کتاب بسیاری از الگو‌ها و بهترین شیوه‌ها را در سیستم‌های یادگیری ماشینی در مقیاس بزرگ در محیط‌های توزیع شده معرفی می‌کند.

کتاب Distributed Machine Learning Patterns همچنین شامل یک پروژه عملی است که یک سیستم یادگیری ماشینی توزیع‌شده سرتاسر ایجاد می‌کند که بسیاری از الگو‌هایی را که در کتاب پوشش می‌دهیم در بر می‌گیرد.

ما از چندین فناوری پیشرفته برای پیاده‌سازی سیستم استفاده خواهیم کرد، از جمله Kubernetes، Kubeflow، TensorFlow و Argo. این فناوری‌ها در هنگام ساختن یک سیستم یادگیری ماشینی توزیع‌شده از ابتدا به روشی ابری، انتخاب‌های محبوبی هستند و آن را بسیار مقیاس‌پذیر و قابل حمل می‌کنند.

من سال‌ها در این زمینه کار کرده‌ام، از جمله حفظ برخی از ابزار‌های منبع باز مورد استفاده در کتاب Distributed Machine Learning Patterns و هدایت تیم‌هایی برای ارائه زیرساخت‌های یادگیری ماشینی مقیاس‌پذیر.

این الگو‌ها و معاوضه‌های آن‌ها همیشه هنگام طراحی سیستم‌ها از ابتدا یا بهبود سیستم‌های موجود در کار روزانه من در نظر گرفته می‌شود. ‌امیدوارم این کتاب برای شما نیز مفید باشد!

الگو‌های یادگیری ماشین توزیع شده با الگو‌های عملی برای اجرای سیستم‌های یادگیری ماشین در خوشه‌های Kubernetes توزیع شده در فضای ابری پر شده است.

هر الگو برای کمک به حل چالش‌های رایج در هنگام ساخت سیستم‌های یادگیری ماشین توزیع‌شده، از جمله پشتیبانی از آموزش مدل‌های توزیع‌شده، مدیریت خرابی‌های غیرمنتظره و سرویس‌دهی مدل پویا به ترافیک طراحی شده است.

سناریو‌های دنیای واقعی مثال‌های روشنی از نحوه اعمال هر الگو، در کنار مبادلات بالقوه برای هر رویکرد ارائه می‌دهند. هنگامی که بر این تکنیک‌های پیشرفته تسلط پیدا کردید، همه آن‌ها را عملی کرده و با ساختن یک سیستم یادگیری ماشینی توزیع‌شده جامع، آن‌ها را به پایان خواهید رساند.

بیشتر بخوانید: کتاب Model-Based Machine Learning

چه کسی باید کتاب Distributed Machine Learning Patterns را بخواند؟

الگو‌های یادگیری ماشین توزیع شده برای تحلیلگران داده، دانشمندان داده و مهندسان نرم‌افزاری است که با اصول الگوریتم‌های یادگیری ماشین و اجرای یادگیری ماشین در تولید آشنا هستند. خوانندگان باید با اصول Bash، Python و Docker آشنا باشند.

بیشتر بخوانید: کتاب Machine and Deep Learning Using MATLAB

نحوه سازماندهی کتاب Distributed Machine Learning Patterns: نقشه راه

کتاب دارای سه بخش است که نه فصل را در بر می‌گیرد.

بخش ۱ کتاب Distributed Machine Learning Patterns پیشینه و مفاهیمی را در مورد سیستم‌های یادگیری ماشینی توزیع شده ارائه می‌دهد. ما در مورد مقیاس رو به رشد کاربرد‌های یادگیری ماشین و پیچیدگی سیستم‌های توزیع شده بحث خواهیم کرد و چند الگو را که اغلب در سیستم‌های توزیع شده و سیستم‌های یادگیری ماشین توزیع شده مشاهده می‌شود، معرفی خواهیم کرد.

بخش ۲ برخی از چالش‌های موجود در اجزای مختلف یک سیستم یادگیری ماشین را ارائه می‌دهد و چند الگوی تثبیت شده را که به شدت در صنایع برای رسیدگی به این چالش‌ها اتخاذ شده‌اند، معرفی می‌کند:

فصل ۲ الگو‌های جذب داده‌ها، از جمله دسته‌بندی، به اشتراک‌گذاری و ذخیره‌سازی را برای پردازش کارآمد مجموعه داده‌های بزرگ معرفی می‌کند.

فصل ۳ شامل سه الگو است که اغلب در آموزش مدل‌های توزیع شده دیده می‌شود که شامل سرور‌های پارامتر و ارتباطات جمعی و همچنین کشش و تحمل خطا می‌شود.

فصل ۴ نشان می‌دهد که خدمات تکراری، سرویس‌های خرد شده و پردازش رویداد محور چقدر می‌توانند برای سرویس‌دهی مدل مفید باشند.

فصل ۵ چندین الگوی گردش کار را شرح می‌دهد، از جمله الگو‌های fan-in و fan-out، الگو‌های همزمان و ناهمزمان، و الگو‌های یادداشت مرحله‌ای، که معمولاً برای ایجاد گردش کار یادگیری ماشینی پیچیده و توزیع شده استفاده می‌شوند.

فصل ۶ این بخش را با الگو‌های زمان‌بندی و فراداده‌ای که می‌تواند برای عملیات مفید باشد به پایان می‌رساند.

بخش ۳ کتاب Distributed Machine Learning Patterns عمیقاً به یک سیستم یادگیری ماشینی سرتاسر می‌رود تا آنچه را که قبلاً یاد گرفته‌ایم اعمال کند. خوانندگان تجربه عملی در اجرای بسیاری از الگو‌هایی که قبلاً در این پروژه آموخته‌اند به دست خواهند آورد:

فصل ۷ به پیشینه پروژه و اجزای سیستم می‌پردازد.

فصل ۸ اصول فن‌آوری‌هایی را که برای پروژه خود استفاده خواهیم کرد را پوشش می‌دهد.

فصل ۹ کتاب را با اجرای کامل یک سیستم یادگیری ماشینی سرتاسر به پایان می‌رساند.

به طور کلی، اگر خوانندگان از قبل بدانند سیستم یادگیری ماشینی توزیع شده چیست، می‌توان قسمت ۱ را نادیده گرفت. همه فصل‌های قسمت ۲ کتاب Distributed Machine Learning Patterns را می‌توان به‌طور مستقل خواند، زیرا هر کدام دیدگاه متفاوتی را در سیستم‌های یادگیری ماشین توزیع شده پوشش می‌دهند.

فصل ۷ و ۸ پیش نیاز پروژه‌ای است که در فصل ۹ می‌سازیم. اگر خوانندگان قبلاً با فن‌آوری‌ها آشنا باشند، می‌توان فصل ۸ را نادیده گرفت.

سرفصل‌های کتاب Distributed Machine Learning Patterns:

• Distributed Machine Learning Patterns
• brief contents
• contents
• preface
• acknowledgments
• about this book
• about the author
• about the cover illustration
• Part 1—Basic concepts and background
  • 1 Introduction to distributed machine learning systems
• Part 2—Patterns of distributed machine learning systems
  • 2 Data ingestion patterns
  • 3 Distributed training patterns
  • 4 Model serving patterns
  • 5 Workflow patterns
  • 6 Operation patterns
• Part 3—Building a distributed machine learning workflow
  • 7 Project overview and system architecture
  • 8 Overview of relevant technologies
  • 9 A complete implementation
• index

جهت دانلود کتاب Distributed Machine Learning Patterns می‌توانید پس از پرداخت، دریافت کنید.