Learning Ray: Flexible Distributed Python for Machine Learning
Книга «Learning Ray» представляет собой практическое руководство по использованию фреймворка Ray для построения распределённых приложений на Python, ориентированных на машинное обучение. Ray — это открытая платформа, которая упрощает масштабирование вычислений от одной машины до кластера, предоставляя простой API для параллельного и распределённого выполнения задач.
Издание начинается с обзора архитектуры Ray, его основных компонентов и принципов работы. Затем читатели постепенно переходят к практическим примерам: от базовых распределённых вычислений с Ray Core до построения полноценных приложений, включая обучение с подкреплением с помощью библиотеки RLlib и оптимизацию гиперпараметров с Ray Tune.
Особое внимание уделяется экосистеме Ray AIR (AI Runtime), которая объединяет обработку данных (Ray Datasets), обучение моделей, подбор гиперпараметров и развёртывание моделей (Ray Serve) в единый рабочий процесс. Книга демонстрирует, как с помощью Ray можно эффективно масштабировать эксперименты с машинным обучением, не переписывая код с нуля.
Авторы — Макс Пумперла, Эдвард Оукс и Ричард Лиау — эксперты в области распределённых вычислений и машинного обучения, активно участвующие в развитии проекта Ray. Их практический опыт позволяет представить материал доступно и с акцентом на реальные сценарии использования.
Книга предназначена для разработчиков Python, инженеров по данным и исследователей в области ML, которые хотят освоить распределённые вычисления и использовать Ray для ускорения и масштабирования своих проектов.
