Google发布的深度学习调优手册
本手册适用于对系统地最大化深度学习模型性能感兴趣的工程师和研究人员，包括个人和团队。需要先掌握机器学习基本知识和深度学习概念。
Deep Learning Tuning Playbook | #手册 #机器学习
本手册适用于对系统地最大化深度学习模型性能感兴趣的工程师和研究人员，包括个人和团队。需要先掌握机器学习基本知识和深度学习概念。
Deep Learning Tuning Playbook | #手册 #机器学习
自动化分布式深度学习系统，在分布式集群上自动化训练深度学习模型
DLRover 自动在分布式集群上训练深度学习模型。它可以帮助模型开发人员专注于模型架构，而无需关心任何工程方面的事情，比如硬件加速、分布式运行等。现在，它为 K8s/Ray 上的深度学习训练作业提供自动化运维。主要特点为
Automatic Resource Optimization自动优化作业资源，提高训练性能和资源利用率。
动态数据分片，动态分配训练数据给每个worker而不是平分，更快的worker更多数据。
容错，单节点故障转移，无需重新启动整个作业。
自动缩放，在节点级别和 CPU/内存级别自动扩展/缩减资源。
dlrover |#机器学习
DLRover 自动在分布式集群上训练深度学习模型。它可以帮助模型开发人员专注于模型架构，而无需关心任何工程方面的事情，比如硬件加速、分布式运行等。现在，它为 K8s/Ray 上的深度学习训练作业提供自动化运维。主要特点为
Automatic Resource Optimization自动优化作业资源，提高训练性能和资源利用率。
动态数据分片，动态分配训练数据给每个worker而不是平分，更快的worker更多数据。
容错，单节点故障转移，无需重新启动整个作业。
自动缩放，在节点级别和 CPU/内存级别自动扩展/缩减资源。
dlrover |#机器学习
《ML for Trading》第二版
这本书旨在以一种实用且全面的方式展示机器学习如何为算法交易策略增加价值。它涵盖了从线性回归到深度强化学习的广泛机器学习技术，并演示了如何构建、回测和评估由模型预测驱动的交易策略。
它分为四部分，23 章和一个附录，共800 多页：
数据来源、金融特征工程和投资组合管理的重要方面，
基于有监督和无监督 ML 算法的多空策略的设计和评估，
如何从SEC 文件、财报电话会议记录或金融新闻等金融文本数据中提取可交易信号，
将 CNN 和 RNN 等深度学习模型与市场和替代数据结合使用，如何使用生成对抗网络生成合成数据，以及使用深度强化学习训练交易代理
该存储库包含150 多个笔记本，这些笔记本将书中讨论的概念、算法和用例付诸实践。他们提供了大量示例来说明：
如何使用市场、基本和替代文本和图像数据并从中提取信号，
如何训练和调整预测不同资产类别和投资期限的回报的模型，包括如何复制最近发表的研究，以及如何设计、回测和评估交易策略。
repo | amazon | #电子书 #机器学习
这本书旨在以一种实用且全面的方式展示机器学习如何为算法交易策略增加价值。它涵盖了从线性回归到深度强化学习的广泛机器学习技术，并演示了如何构建、回测和评估由模型预测驱动的交易策略。
它分为四部分，23 章和一个附录，共800 多页：
数据来源、金融特征工程和投资组合管理的重要方面，
基于有监督和无监督 ML 算法的多空策略的设计和评估，
如何从SEC 文件、财报电话会议记录或金融新闻等金融文本数据中提取可交易信号，
将 CNN 和 RNN 等深度学习模型与市场和替代数据结合使用，如何使用生成对抗网络生成合成数据，以及使用深度强化学习训练交易代理
该存储库包含150 多个笔记本，这些笔记本将书中讨论的概念、算法和用例付诸实践。他们提供了大量示例来说明：
如何使用市场、基本和替代文本和图像数据并从中提取信号，
如何训练和调整预测不同资产类别和投资期限的回报的模型，包括如何复制最近发表的研究，以及如何设计、回测和评估交易策略。
repo | amazon | #电子书 #机器学习
Media is too big
VIEW IN TELEGRAM