openmlsys-zh/zh_chapters/SUMMARY.md

Summary

机器学习系统：设计和实现 前言

基础篇

• 导论
  • 机器学习应用
  • 机器学习框架的设计目标
  • 机器学习框架的基本组成原理
  • 机器学习系统生态
  • 图书结构和读者
• 编程接口
  • 机器学习系统编程模型的演进
  • 机器学习工作流
  • 定义深度神经网络
  • C/C++编程接口
  • 机器学习框架的编程范式
  • 总结
• 计算图
  • 计算图的设计背景和作用
  • 计算图的基本构成
  • 计算图的生成
  • 计算图的调度
  • 总结

进阶篇

• 导读
• AI编译器和前端技术
  • AI编译器设计原理
  • AI编译器前端技术概述
  • 中间表示
  • 自动微分
  • 类型系统和静态分析
  • 常见前端编译优化方法
  • 总结
• 编译器后端和运行时
  • 概述
  • 计算图优化
  • 算子选择
  • 内存分配
  • 计算调度与执行
  • 算子编译器
  • 总结
• 硬件加速器
  • 概述
  • 加速器基本组成原理
  • 加速器基本编程原理
  • 加速器实践
  • 总结
• 数据处理框架
  • 概述
  • 易用性设计
  • 高效性设计
  • 保序性设计
  • 单机数据处理性能的扩展
  • 总结
• 模型部署
  • 概述
  • 训练模型到推理模型的转换及优化
  • 模型压缩
  • 模型推理
  • 模型的安全保护
  • 总结
• 分布式训练
  • 系统概述
  • 实现方法
  • 机器学习集群架构
  • 集合通信
  • 参数服务器
  • 总结

拓展篇

• 导读
• 深度学习推荐系统
  • 系统基本组成
  • 多阶段推荐系统
  • 模型更新
  • 案例分析：支持在线模型更新的大型推荐系统
  • 小结
• 联邦学习系统
  • 概述
  • 横向联邦学习
  • 纵向联邦学习
  • 隐私加密算法
  • 展望
  • 小结
• 强化学习系统
  • 强化学习介绍
  • 单节点强化学习系统
  • 多智能体强化学习
  • 多智能体强化学习系统
  • 小结
• 可解释性AI系统
  • 背景
• 机器人系统
  • 机器人系统概述
  • 通用机器人操作系统
  • 案例分析：使用机器人操作系统
  • 总结

附录

• 机器学习介绍
  • 神经网络
  • 梯度下降与反向传播
  • 经典机器学习方法