第2回 Designing Deep Learning Systems 読書会 (2024/08/17 13:00〜) (original) (raw)
| 募集内容 | 無料リモート参加(discord) 無料 先着順 6/50人 |
|---|---|
| 申込者 |       申込者一覧を見る |
| 開催日時 | 2024/08/17(土) 13:00 ～ 18:00 Googleカレンダー icsファイル |
| 募集期間 | 2024/07/20(土) 17:17 〜 2024/08/17(土) 18:00まで |
| 会場 | オンライン オンライン |
| 出席登録 | (イベント開始時間の2時間前から終了時間まで、参加者のみに公開されます) |
イベントの説明
内容
Designing Deep Learning Systems読書会- 今回は
front matterから読み進めます
- 今回は
- 進め方
- 書籍の内容を翻訳および要約し、それを勉強会で共有して、参加者で議論します
- 次回分の要約は希望者を募って行います。要約を行わずに参加を継続するだけでも大丈夫です！
- ラジオのように視聴される方も歓迎です！
* 声を発するのに抵抗がある方向け
* 録音はしていません
- 書籍は以下のサイトより入手できます
- 主催 : JavaEE勉強会 創立 2004年 (Java EE勉強会)
- J2EE(Java EE)に関連した話題を議論する勉強会
- 2004年8月から月1回のペースで定期的に開催を続けています(第210回目)
Discordサーバーへの参加
- 以下の招待URLから Discord サーバー javee-study-jp へ参加し、#designing-deep-learning-systems のチャンネルに参加してください。
- https://discord.gg/4qtpMbsdJz
- 勉強会中は主に、VOICE CHANNELS → Generalにて画面共有、音声チャットでやりとりします。
準備
- 特に準備するものなどは不要です。
進行
| 時間 | 内容 |
|---|---|
| ～13:00 | 入室，準備 |
| 13:00～13:10 | 開始の挨拶 |
| 13:10～14:00 | 自己紹介 |
| 14:10～15:00 | 読書会 |
| 15:00～15:20 | 長休憩 |
| 15:20～17:50 | 読書会 |
| 17:50～18:00 | ふりかえり，退室 |
| 18:00～ | 雑談、飲み会 (自由参加) |
目次
| 目次 |
|---|
| front matter |
| 1 An introduction to deep learning systems |
| 1.1 The deep learning development cycle |
| 1.2 Deep learning system design overview |
| 1.3 Building a deep learning system vs. developing a model |
| Chapter 1 Summary |
| 2 Dataset management service |
| 2.1 Understanding dataset management service |
| 2.2 Touring a sample dataset management service |
| 2.3 Open source approaches |
| Chapter 2 Summary |
| 3 Model training service |
| 3.1 Model training service: Design overview |
| 3.2 Deep learning training code pattern |
| 3.3 A sample model training service |
| 3.4 Kubeflow training operators: An open source approach |
| 3.5 When to use the public cloud |
| Chapter 3 Summary |
| 4 Distributed training |
| 4.1 Types of distributed training methods |
| 4.2 Data parallelism |
| 4.3 A sample service supporting data parallel–distributed training |
| 4.4 Training large models that can’t load on one GPU |
| Chapter 4 Summary |
| 5 Hyperparameter optimization service |
| 5.1 Understanding hyperparameters |
| 5.2 Understanding hyperparameter optimization |
| 5.3 Designing an HPO service |
| 5.4 Open source HPO libraries |
| Chapter 5 Summary |
| 6 Model serving design |
| 6.1 Explaining model serving |
| 6.2 Common model serving strategies |
| 6.3 Designing a prediction service |
| Chapter 6 Summary |
| 7 Model serving in practice |
| 7.1 A model service sample |
| 7.2 TorchServe model server sample |
| 7.3 Model server vs. model service |
| 7.4 Touring open source model serving tools |
| 7.5 Releasing models |
| 7.6 Postproduction model monitoring |
| Chapter 7 Summary |
| 8 Metadata and artifact store |
| 8.1 Introducing artifacts |
| 8.2 Metadata in a deep learning context |
| 8.3 Designing a metadata and artifacts store |
| 8.4 Open source solutions |
| Chapter 8 Summary |
| 9 Workflow orchestration |
| 9.1 Introducing workflow orchestration |
| 9.2 Designing a workflow orchestration system |
| 9.3 Touring open source workflow orchestration systems |
| Chapter 9 Summary |
| 10 Path to production |
| 10.1 Preparing for productionization |
| 10.2 Model productionization |
| 10.3 Model deployment strategies |
| Chapter 10 Summary |
| Appendix A. A “hello world” deep learning system |
| Appendix B. Survey of existing solutions |
| Appendix C. Creating an HPO service with Kubeflow Katib |
フィード
グループ
終了
2024/08/17(土)
13:00 〜 18:00
募集期間
2024/07/20(土) 17:17 〜
2024/08/17(土) 18:00
イベントへのお問い合わせ
会場
オンライン
オンライン
