Всем еще раз здрасьте!👋
Уже сегодня выступаю на MLечный путь 2024, ссылочка на трансляцию здесь.🌟
А в качестве бонуса спешу с вами поделиться источниками, которые мы использовали для подготовке к докладу)🫶
1. Схема ML-системы от Nvidia в статье что такое MLOps. Интересное чтиво для погружение в специализацию.
2. Как в MLOps.org видят что такое MLOps и как выглядит ML система.
3. Книга Бережливое производство - сейчас как раз читаю это чтиво, интересно сравнивать с DevOps направлением
4. Книга Цель: процесс непрерывного совершенствования - отличный роман, где на простых примерах показано как работает теория ограничений
5. Как используется GPU для обучения в ML - советы от HuggingFace и Coursera
6. Используем инструменты профилировки (pytorch, tensorflow, nvidia nsight system, nvidia nsight compute, deep learning profiler, ebpf)
7. Препроцессим предпочтительно на GPU, желательно не прямо в процессе обучения (cudf, nvidia dali)
8. Опенс сорс готовый инференс - Nvidia Triton Server (туториалы)
9. Параллелим обучение - huggingFace, pytorch, nvidia
10. Параллелим инференс - мои статьи на хабр, nvidia mig, nvidia timeslicing, nvidia mps
Делитесь в комментариях своей обратной связью по докладу и задавайте вопросы! Обязательно отвечу)😎
Уже сегодня выступаю на MLечный путь 2024, ссылочка на трансляцию здесь.🌟
А в качестве бонуса спешу с вами поделиться источниками, которые мы использовали для подготовке к докладу)🫶
1. Схема ML-системы от Nvidia в статье что такое MLOps. Интересное чтиво для погружение в специализацию.
2. Как в MLOps.org видят что такое MLOps и как выглядит ML система.
3. Книга Бережливое производство - сейчас как раз читаю это чтиво, интересно сравнивать с DevOps направлением
4. Книга Цель: процесс непрерывного совершенствования - отличный роман, где на простых примерах показано как работает теория ограничений
5. Как используется GPU для обучения в ML - советы от HuggingFace и Coursera
6. Используем инструменты профилировки (pytorch, tensorflow, nvidia nsight system, nvidia nsight compute, deep learning profiler, ebpf)
7. Препроцессим предпочтительно на GPU, желательно не прямо в процессе обучения (cudf, nvidia dali)
8. Опенс сорс готовый инференс - Nvidia Triton Server (туториалы)
9. Параллелим обучение - huggingFace, pytorch, nvidia
10. Параллелим инференс - мои статьи на хабр, nvidia mig, nvidia timeslicing, nvidia mps
Делитесь в комментариях своей обратной связью по докладу и задавайте вопросы! Обязательно отвечу)😎