长按二维码,关注官方公众号
大规模云原生机器学习技术应用实践
〇 分享简介 〇
不同机器学习应用场景下的参数和数据集、模型训练过程中的网络通信带宽、训练资源数和时长都不尽相同。所以面对丰富的机器学习应用，我们的需求是多样的。针对这些需求，底层的计算、存储、网络等基础设施要提供强大的硬件，同时在这些硬件基础上还要提供强大的调度能力，才能为各种需求提供较好的服务，使集群利用率维持在较高水平。
本次分享字节跳动在高性能算力和存储的规模化调度、机器学习开发流程的标准化和团队协作、基于异构资源的机器学习训练加速方面的技术实践。
〇 分享收益 〇
目标
1.字节跳动内部场景下云原生机器学习的一些的技术和成果
2. 开拓一些新思路，用成功的企业级实践解决 AI 效率和成本问题
成功要点
亿级用户规模和不断深研的业务场景，对字节机器学习平台从研发体验、训练时效、任务编排、资源运维等方面不断提出新的要求和挑战，以 K8s 为核心的云原生理念正是为解决以上问题提出，并取得了成功应用
启示
在人工智能时代，将模型构建与训练工作与云原生结合，既降低了 AI 的算力成本，也降低了 AI 的技术门槛，可以极大拓宽 AI 技术的应用边界
〇 分享亮点 〇
1. 目前领域相关的挑战，以及未来的展望
2. QA
