harvard-edge/cs249r_book
ОТКРЫТЫЙ УЧЕБНИК ПО ML SYSTEMS
Открытая серия учебников по системам машинного обучения (MLSys) с практическими инструментами. Обучает AI-инженерии: построению эффективных, надежных и безопасных ИИ-систем в реальных условиях.
// КЛЮЧЕВЫЕ ОСОБЕННОСТИ
- Четыре тома: основы, масштабирование, агентный ИИ, физический ИИ
- TinyTorch: студенты строят ML-машинерию сами
- MLSys·im симулятор и аппаратные наборы для экспериментов
- Фокус на ограничениях: память, латентность, энергия, отказоустойчивость
// РАЗБОР: КАК ЭТО РАБОТАЕТ
Репозиторий объединяет четыре тома открытого учебника по ML-системам и практические инструменты. Материал построен на принципе «ограничения определяют архитектуру»: каждый раздел связывает ML-концепции с системной реализацией — от распределённого обучения и квантования до сервинга, мониторинга и энергопотребления. Начался как конспекты студентов Harvard CS249r в 2023 году.
Теория дополняется исполняемыми компонентами: TinyTorch заставляет реализовывать ядро фреймворка самостоятельно, MLSys·im симулирует системы от микроконтроллеров до датацентров, аппаратные наборы — проверять модели на железе. Том I принят к печати в MIT Press, тома II–IV в Preview/Dev. Учит AI-инженерии через первые принципы и пересчитываемые числа.
Ориентирован на обучение, не на продакшн: нет готовых библиотек, CLI или API. Требует времени на курс и железа для наборов/симулятора. Переводы отстают от английской версии.
// СЦЕНАРИИ ИСПОЛЬЗОВАНИЯ
Кому пригодится: Студентам, инженерам и преподавателям ML-систем для изучения AI-инженерии с нуля
- Изучить AI-инженерию от первых принципов через структурированный курс с практикой
- Понять, как ограничения памяти, латентности и энергии определяют архитектуру ML-систем
- Подготовить учебный материал по ML-системам с готовыми лабами, симулятором и наборами
Новые репозитории каждые 30 минут
REDDYX AI сканирует GitHub 24/7 и присылает лучшие AI/ML/Web3 проекты в Telegram.
Подписаться в Telegram