کتاب مهندسی عملکرد سیستمهای هوش مصنوعی
این کتاب راهنمای قطعی برای به حداکثر رساندن کارایی در تمامی لایههای زیرساخت هوش مصنوعی است. در عصر مدلهای مولد (Generative Models) که به سرعت در حال رشد هستند، این منبع به مهندسان، محققان و توسعهدهندگان مجموعهای عملی از استراتژیهای بهینهسازی ارائه میدهد. با یادگیری همزمان (Co-optimization) سختافزار، نرمافزار و الگوریتمها، میتوانید سیستمهای هوش مصنوعی منعطف، مقیاسپذیر (Scalability) و مقرونبهصرفه بسازید که در آموزش و استنتاج (Inference) عملکرد عالی دارند. این کتاب شامل روشهای گامبهگام برای تنظیم دقیق هستههای CUDA، الگوریتمهای مبتنی بر PyTorch و سیستمهای آموزش و استنتاج چندگرهای است. همچنین هنر مقیاسپذیری کلاسترهای GPU برای کارهای توزیعشده و سرورهای استنتاج را خواهید آموخت. در پایان، یک چکلیست شامل بیش از ۱۷۵ مورد بهینهسازی اثباتشده و آماده استفاده ارائه شده است.
اشتراکی
مقدمه کتاب
پیش از شروع، نگاهی کوتاه به آنچه در این کتاب خواهید آموخت
در مقدمه کتاب سوالات کلی که برات به وجود اومده رو خیلی سریع با یک نگاه رفعشون کن تا دیدت بازتر شه و انتخابت آگاهانه تر باشه و میشه گفت سوالاتی مانند چرا این کتاب نوشته شده و چه مشکلی را حل میکند؟ چه کسانی میتوانند از کتاب استفاده کنند؟ خلاصه فصلها و اهداف یادگیری در هر بخش؟ تغییرات مهم و بهبودهای جدید اضافه شده در نسخه های مختلف و... باشه که ما همه این ها رو برات رفع میکنیم
مخاطب هدف
مهندسان عملکرد (Performance Engineers) که به دنبال بهینهسازی زیرساختهای هوش مصنوعی خود هستند.
محققان هوش مصنوعی که میخواهند مدلهای خود را در مقیاس بزرگ آموزش دهند و استنتاج کنند.
توسعهدهندگان نرمافزار که با PyTorch کار میکنند و نیاز به درک عمیقتری از لایههای زیرین سختافزاری دارند.
مدیران فنی که مسئولیت مدیریت هزینهها و کارایی کلاسترهای GPU در سازمانهای بزرگ را بر عهده دارند.
دلیل نوشتن کتاب
این کتاب برای پر کردن شکاف میان مهندسی نرمافزار سنتی و نیازهای محاسباتی سنگین مدلهای هوش مصنوعی مدرن نوشته شده است.
با رشد سریع مدلهای زبانی بزرگ، درک نحوه بهینهسازی سختافزار و نرمافزار برای کاهش هزینهها و افزایش سرعت به یک ضرورت تبدیل شده است.
این اثر روشهای عملی برای تنظیم دقیق هستههای CUDA و مدیریت کلاسترهای GPU را ارائه میدهد که در منابع آموزشی دیگر کمتر به آن پرداخته شده است.
کتاب با ارائه چکلیستهای کاربردی و متدولوژیهای تستشده، به مهندسان کمک میکند تا سیستمهای هوش مصنوعی خود را از نمونههای اولیه به تولید در مقیاس بزرگ برسانند.
نمای کلی محتوا
این کتاب به عنوان یک مرجع جامع، تمامی جنبههای بهینهسازی سیستمهای هوش مصنوعی را از سطح سختافزار تا لایه کاربردی پوشش میدهد.
ارائه متدولوژیهای گامبهگام برای تنظیم دقیق CUDA و PyTorch، این اثر را به ابزاری ضروری برای مهندسان حرفهای تبدیل کرده است.
تمرکز بر همافزایی سختافزار و نرمافزار، دیدگاه منحصربهفردی را برای ساخت سیستمهای مقیاسپذیر و مقرونبهصرفه فراهم میکند.
چکلیستهای عملی در انتهای کتاب، ارزش کاربردی آن را برای تیمهای مهندسی که با چالشهای واقعی در تولید مواجه هستند، دوچندان میکند.
20 فصل در حال تولید
مدت زمان خوانش
34:20
نوع کتاب
اشتراکی
شرکت کنندگان
0 نفر
تولید کتاب
۳۱ شهریور ۱۴۰۵