Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Explorez les capacités de Ray : un framework de calcul distribué pour l'apprentissage automatique #44

Open
galleon opened this issue Mar 22, 2023 · 0 comments

Comments

@galleon
Copy link

galleon commented Mar 22, 2023

{ Veuillez remplir ce template ou nous envoyer un email à [email protected] pour nous aider à en savoir plus.
Pour le titre de l'issue, merci de respecter cette notation : [NOM DE VOTRE CONFERENCE] Prénom Nom }

Le speaker

Guillaume Alleon, Freelance

  • Twitter handle:

Sujet de votre conférence

Explorez les capacités de Ray : un framework de calcul distribué pour l'apprentissage automatique

Description de votre conférence

Rejoignez-nous pour une exploration passionnante de Ray, un framework de calcul distribué qui permet un calcul distribué efficace et évolutif. Au cours de cette rencontre, nous couvrirons les fondamentaux de Ray et approfondirons les sujets avancés avec des exemples pratiques. Nous discuterons de l'architecture de Ray et de ses différents types d'acteurs, et explorerons les bibliothèques de haut niveau de Ray pour la construction d'applications d'apprentissage automatique.

Dans la première partie de la présentation, nous vous enseignerons les bases de Ray en tant que cadre Python distribué. Vous aurez une compréhension complète de la manière dont Ray permet un calcul distribué efficace et évolutif.

Dans la seconde partie de la présentation, nous présenterons les bibliothèques de haut niveau de Ray qui rendent la construction d'applications d'apprentissage automatique facile. Nous couvrirons Ray Tune pour l'optimisation des hyperparamètres et Ray Serve pour le déploiement de modèles d'apprentissage automatique en production.

À la fin de la présentation, vous aurez une bonne compréhension de la manière d'utiliser Ray pour construire des applications d'apprentissage automatique distribuées et évolutives. Ne manquez pas cette opportunité d'apprendre les capacités de Ray et d'améliorer vos compétences en science des données !

Informations diverses

  • Thématique, Labels : Fine tuning et mise en production de modèle
  • Niveau de difficulté (débutant|avancé|confirmé) :
  • Durée (quickie 15-30min, conférence >1h) : 30 mn
  • Format (slides, live-coding, les deux): Notebook
  • Dispo ou indispo (après mars, dès que possible, pas entre X et Y): dès que possible
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Labels
None yet
Projects
None yet
Development

No branches or pull requests

1 participant