Distributed Machine Learning and Gradient Optimization - Bin Cui,Ce Zhang,Jiawei Jiang
-25% su kodu BOOKS
Pristatymas per 17-23 d.d.
30 dienų grąžinimo politika
This book presents the state of the art in distributed machine learning algorithms that are based on gradient optimization methods. In the big data era, large-scale datasets pose enormous challenges for the existing machine learning systems. As such, implementing machine learning algorithms in a distributed environment has become a key technology, and recent research has shown gradient-based iterative optim ... Visas aprašymas
Jums taip pat gali patikti
TOP
Gödel, Escher, Bach: An Eternal Golden Braid
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
AI Engineering: Building Applications with Foundation Models
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Empire of AI: Dreams and Nightmares in Sam Altman's OpenAI
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Pragmatic Programmer: journey to mastery, 20th Anniversary Edition, 2/e: your journey to mastery, 20th Anniversary Edition
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Rust Programming Language
Steve Klabnik, Carol Nichols, Chris Krycho
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How Linux Works: What Every Superuser Should Know
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How To Think About AI: A Guide For The Perplexed
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Art of Game Design: A Book of Lenses
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Python Crash Course: A Hands-On, Project-Based Introduction to Programming
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
CompTIA Security+ Certification Kit: Exam SY0-701
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Automate the Boring Stuff with Python
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Fundamentals of Software Architecture: A Modern Engineering Approach
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Speak Data: Artists, Scientists, Thinkers, and Dreamers on How We Live Our Lives in Numbers
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Hacking: The Art of Exploitation
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Hackers. 25th Anniversary Edition: Heroes of the Computer Revolution
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Deep Learning
Ian Goodfellow, Yoshua Bengio, Aaron Courville
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Proofs from THE BOOK
Martin Aigner, Günter M. Ziegler
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Mathematics for Machine Learning
Cheng Soon Ong, A. Aldo Faisal, Marc Peter Deisenroth
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Artificial Intelligence: A Modern Approach, Global Edition
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Heavy Wizardry 101: Shellcodes, Backdoors, Droppers, and Worms
-25% su kodu BOOKS
Nėra sandėlyje
Aprašymas
This book presents the state of the art in distributed machine learning algorithms that are based on gradient optimization methods. In the big data era, large-scale datasets pose enormous challenges for the existing machine learning systems. As such, implementing machine learning algorithms in a distributed environment has become a key technology, and recent research has shown gradient-based iterative optimization to be an effective solution. Focusing on methods that can speed up large-scale gradient optimization through both algorithm optimizations and careful system implementations, the book introduces three essential techniques in designing a gradient optimization algorithm to train a distributed machine learning model: parallel strategy, data compression and synchronization protocol. Written in a tutorial style, it covers a range of topics, from fundamental knowledge to a number of carefully designed algorithms and systems of distributed machine learning. It will appealto a broad audience in the field of machine learning, artificial intelligence, big data and database management.
Daugiau informacijos
| Autorius | Bin Cui, Ce Zhang, Jiawei Jiang |
|---|---|
| Leidėjas | Springer Nature Singapore |
| Series | Big Data Management |
| Išleidimo metai | 2022 |
| Viršelio tipas | Kieti viršeliai |
| EAN | 9789811634192 |