Это мое исследование и изучение систем машинного обучения.
Я работал инженером-разработчиком программного обеспечения в Индии, а затем перешел в магистратуру, чтобы сосредоточиться на изучении машинного обучения в Нью-Йоркском университете и Институте математических наук Куранта. Концепция машинного обучения и такие технологии, как Siri, всегда восхищали меня. Кортана подтолкнула меня к тому, чтобы научиться создавать и масштабироватьтакиесистемы в рабочей среде. Я изучал различные MOOCS (CS231n, курс AndrewNg), курсы и проекты в Нью-Йоркском университете в области компьютерного зрения, глубокого обучения, обработки естественного языка, обучения с подкреплением.
Хотя все это помогло мне усвоить и быть в курсе исследований в этой области, я хотел узнать, как перенести их в исследования в производство, а также узнать о сложностях, с которыми мы сталкиваемся, когда мы масштабируем их для создание мощных приложений машинного обучения. Чтобы начать с этой цели, я прошел курс Высокопроизводительное машинное обучение в Нью-Йоркском университете, который охватывал концепции операционных систем, глубокого обучения, распределенных систем, графических процессоров для создания таких систем.
Чтобы развить свой опыт в этой области, я недавно начал изучать курс CS 329S Machine Learning System Design, который преподавал Чип Хьюен в Стэнфорде зимой 2021 года. Я опубликую краткое изложение каждой лекции в этой серии сообщений в блоге. Я также поделился несколькими ссылками в приведенных ниже ссылках, которые я считаю хорошим руководством, чтобы узнать больше о проектировании систем машинного обучения.
Серию сообщений в блоге можно найти здесь:
- Производство машинного обучения
- Введение в проектирование машинного обучения
- Управление данными
- Разработка модели
- Pytorch и распределенное обучение
- Оценка модели
- Отслеживание экспериментов и управление версиями
- Развертывание
- TinyML
- Масштабирование моделей машинного обучения в производстве
- Справедливость, точность и прозрачность
- Мониторинг и обслуживание
- Инфраструктура
- МЛ в бизнесе.
Весь контент, размещенный здесь, взят из курса CS329S.
Ссылки:
- http://patrickhalina.com/posts/ml-eng-interview-guide/
- https://mlsys.stanford.edu/
- https://stanford-cs329s.github.io/syllabus.html
- https://www.educative.io/blog/anatomy-machine-learning-system-design-interview
- https://www.educative.io/courses/grokking-the-machine-learning-interview
Вы можете связаться со мной в Linkedin и посмотреть мои работы на Github.