内容

• Designing Deep Learning Systems 読書会

  • 今回は2.3 Open source approaches から読み進めます

• 進め方

  • 書籍の内容を翻訳および要約し、それを勉強会で共有して、参加者で議論します
  • 次回分の要約は希望者を募って行います。要約を行わずに参加を継続するだけでも大丈夫です！
  • ラジオのように視聴される方も歓迎です！
    • 声を発するのに抵抗がある方向け
    • 録音はしていません

• 書籍は以下のサイトより入手できます

  • O'reilly
  • Manning
  • Amazon

• 主催 : JavaEE勉強会 創立 2004年 (Java EE勉強会)

  • J2EE(Java EE)に関連した話題を議論する勉強会
  • 2004年8月から月1回のペースで定期的に開催を続けています(第211回目)

Discordサーバーへの参加

• 以下の招待URLから Discord サーバー javee-study-jp へ参加し、#designing-deep-learning-systems のチャンネルに参加してください。
• https://discord.gg/4qtpMbsdJz
• 勉強会中は主に、VOICE CHANNELS → Generalにて画面共有、音声チャットでやりとりします。

準備

• 特に準備するものなどは不要です。

進行

時間	内容
～13:00	入室，準備
13:00～13:10	開始の挨拶
13:10～14:00	自己紹介
14:10～15:00	読書会
15:00～15:20	長休憩
15:20～17:50	読書会
17:50～18:00	ふりかえり，退室
18:00～	雑談、飲み会 (自由参加)

目次

目次
front matter
1 An introduction to deep learning systems
1.1 The deep learning development cycle
1.2 Deep learning system design overview
1.3 Building a deep learning system vs. developing a model
Chapter 1 Summary
2 Dataset management service
2.1 Understanding dataset management service
2.2 Touring a sample dataset management service
2.3 Open source approaches
Chapter 2 Summary
3 Model training service
3.1 Model training service: Design overview
3.2 Deep learning training code pattern
3.3 A sample model training service
3.4 Kubeflow training operators: An open source approach
3.5 When to use the public cloud
Chapter 3 Summary
4 Distributed training
4.1 Types of distributed training methods
4.2 Data parallelism
4.3 A sample service supporting data parallel–distributed training
4.4 Training large models that can’t load on one GPU
Chapter 4 Summary
5 Hyperparameter optimization service
5.1 Understanding hyperparameters
5.2 Understanding hyperparameter optimization
5.3 Designing an HPO service
5.4 Open source HPO libraries
Chapter 5 Summary
6 Model serving design
6.1 Explaining model serving
6.2 Common model serving strategies
6.3 Designing a prediction service
Chapter 6 Summary
7 Model serving in practice
7.1 A model service sample
7.2 TorchServe model server sample
7.3 Model server vs. model service
7.4 Touring open source model serving tools
7.5 Releasing models
7.6 Postproduction model monitoring
Chapter 7 Summary
8 Metadata and artifact store
8.1 Introducing artifacts
8.2 Metadata in a deep learning context
8.3 Designing a metadata and artifacts store
8.4 Open source solutions
Chapter 8 Summary
9 Workflow orchestration
9.1 Introducing workflow orchestration
9.2 Designing a workflow orchestration system
9.3 Touring open source workflow orchestration systems
Chapter 9 Summary
10 Path to production
10.1 Preparing for productionization
10.2 Model productionization
10.3 Model deployment strategies
Chapter 10 Summary
Appendix A. A “hello world” deep learning system
Appendix B. Survey of existing solutions
Appendix C. Creating an HPO service with Kubeflow Katib