描述
Machine Learning at Scale 提供了一个全面的计划，旨在将机器学习工程师的绩效提升到“x10”水平。通过每周高质量的见解，该平台深入探讨了大规模构建和部署机器学习系统的复杂性。内容由 Ludo 策划，他是一位在谷歌工作的机器学习工程师，在大型机器学习系统方面拥有丰富的经验，包括在 500k QPS 下对抗数十亿用户的滥用、预训练基于 Transformer 的模型以及从事端到端的 YouTube 广告系统。
阅读更多
课程涵盖了关键领域，如 MLSys 案例研究、设计模式和 ML 职业建议。计划对大规模机器学习系统、大规模 LLM 推理、大规模推荐系统、搜索与排名系统（RAG）、AI 时代下的搜索以及大规模广告系统进行深入探讨。这种专注确保工程师能够获得适用于现代人工智能开发中现实世界挑战的实践知识。
订阅者可以受益于来自领先科技公司一线经验的实用建议和见解。该平台旨在揭开 ML 系统复杂性的神秘面纱，使工程师能够设计、实现和优化能够处理海量数据集和高查询量的解决方案。目标受众包括有抱负和在职的机器学习工程师，他们希望提高技能，理解最佳实践，并在快速发展的人工智能领域推进他们的职业生涯。
Machine Learning at Scale 提供了一个独特的机会，可以向一位曾在 CERN 应用 ML 技术并为 Volvo 开发计算机视觉论文的行业专家学习。该计划旨在提供可操作的知识，帮助工程师释放他们的全部潜力，并在他们的岗位上变得更有效、更有影响力。即将推出的 YouTube 频道和 MLSys 课程将进一步扩展社区可用的学习资源。
- 类别AI 新闻阅读器与聚合工具
内容亮点
为 ML 工程师提供每周高质量见解
专注于大规模机器学习系统 (MLSys)
MLSys 案例研究和设计模式
机器学习职业建议
深入探讨大规模 LLM 推理
大规模推荐系统专业知识
关于搜索与排名系统 (RAG) 的指导
大规模广告系统见解
来自谷歌机器学习工程师的内容
高 QPS 系统实践经验
Transformer 模型训练和微调
计算机视觉论文开发
在 CERN 应用 ML
适合哪些人
- ML 系统设计
- LLM 部署
- 推荐引擎
- 搜索与排名
- 广告系统优化
- 职业发展
- 大规模数据处理
