规模化机器学习系统 · 第二卷
欢迎
现代机器学习运行在根本改变工程需求的规模上：模型大到单张 GPU 无法承载，服务横跨各大洲，部署承载着社会责任。在这一规模上，AI 能力既受分布物理规律的制约，也受学习统计规律的制约：本书中的每一个系统都同时遵循分布式基础设施的计算定律与学习的统计定律。本书面向大规模 AI 工程。全书按照大规模系统的全生命周期展开：定义分布式架构、构建物理基础设施集群、保障运行可靠性、面向全球用户部署，以及为安全与责任加固系统。
《Scaling Machine Learning Systems》
出版方：The MIT Press（2027）
📖 下载英文原版 PDF
你将学到什么
本书将基础扩展至生产级系统，全书分为四个部分，自下而上地覆盖集群栈：
- 第一部分：集群（The Fleet）：构建物理计算机。设计数据中心基础设施、高带宽网络互连结构以及可扩展的数据存储，这些构成了每一次分布式机器学习部署的基础。
- 第二部分：分布式机器学习（Distributed ML）：掌握规模化算法。学习如何利用并行策略、集合通信原语、容错机制以及集群编排，在数千台设备上协调计算。
- 第三部分：规模化部署（Deployment at Scale）：服务全世界。梳理从训练到推理的转变，优化服务栈的性能，将智能推向边缘，并管理生产集群的运行生命周期。
- 第四部分：负责任的集群（The Responsible Fleet）：加固并治理系统。处理安全性、鲁棒性、环境可持续性以及在大规模运营中的负责任工程实践。
先修要求
本书假定读者具备：
- 单机机器学习系统的基础背景，或同等经验
- Python 编程能力，并熟悉 NumPy
- 数学基础：线性代数、微积分与概率论
- 熟悉分布式系统概念（网络、并行性）对进阶主题有所帮助
支持我们的使命
2026 目标： 帮助 100,000 名学生学习机器学习系统。赞助方，如 EDGE AI Foundation，为每颗星标提供相应的学习支持资金。
加载中……
⭐ 在 GitHub 上点亮星标
聆听人工智能播客
这部简短播客由 Google 的 Notebook LM 制作，灵感源自我们 IEEE 教育观点论文 中的洞见，为本书的核心思想与主题提供了易于理解的概览。
希望参与贡献？
这是一个协作项目，您的意见至关重要。如果您希望贡献，请查看我们的 贡献指南。我们欢迎反馈、更正意见以及新的想法。只需在 GitHub 上提交 issue 即可。
回到顶部