陈天奇的机器学习编译课(免费)

非广告,最近周末和晚上我都一直找公开课学习,尤其是信号与系统、数字信号处理、机器学习等等方面课程,来弥补以前缺失的课程(读研方向是graph computing,工作之前就没接触过信号、语音相关课程,甚至机器学习都没过多涉及),来构建自己的知识体系​。我发现网上很多高校名师的国家级公开课,但很少有人去学习,甚是可惜​。这次推荐一下陈天奇刚开的《机器学习编译》课程​https://mlc.ai/summer22-zh/。

课程简介

​随着人工智能应用在我们的日常生活中变得越来越普遍,目前存在的挑战是如何在不同的生产环境中部署最新的人工智能模型。模型和部署环境的组合爆炸给训练和推理部署带来了巨大的挑战。此外,目前落地的模型也提出了更多的要求,例如减少软件依赖、全面的模型覆盖、利用新硬件进行加速、减少内存占用,以及更强的可扩展性。

这些模型训练和推理问题,涉及机器学习编程范式、基于学习的搜索算法、编译优化以及计算运行时。这些话题的组合生成了一个全新主题——机器学习编译,并且该方向正在不断持续发展。在本课程中,我们讲按照其中的关键元素,系统地研究这一新兴领域的关键要素。我们将学习一些核心的概念,用以表示机器学习程序、自动优化技术,以及在端到端机器学习部署中优化环境依赖、内存和性能的方法。

课程受众和背景要求

本课程针对在从事机器学习工作的广泛用户。实际应用中机器学习是一个广泛的课题,涉及包括机器学习科学家、机器学习工程师和硬件供应商等多个群体之间的协作。

该课程需要的数据科学和机器学习方面的背景知识:

  • 熟悉 Python 语言和 Numpy 的使用;

  • 一定的深度学习框架背景知识(例如 PyTorch, TensorFlow, JAX);

  • 有系统层面的编程经验更佳(例如 C/CUDA)。


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

我叫永强

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值