מפגש הנדסת ביצועי AI (מדריד)

Description

מפגש חודשי זה מביא יחדיו מהנדסי AI, Practitioners של ML ומומחים לאופטימיזציה של ביצועים ב-[מדריד](https://www.createwith.com/cities/madrid) לדון בדיונים טכניים עמוקים על האצת GPU, תכנות CUDA, וכיול ביצועים של PyTorch. המפגשים מנוהלים על ידי כריס פרגלי ואנטיה ברת', ומתקיימים באופן מקוון באמצעות [Zoom](https://us02web.zoom.us/j/82308186562) בכל יום שני שלישי של החודש. ## מה תלמד כל מפגש כולל הרצאות מעשיות והדגמות חיות העוסקות באופטימיזציות ביצועי GPU, CUDA ו-PyTorch. הנושאים מכסים את כל שכבת הנדסת ביצועי AI – מקוד נמוך ברמת CUDA ועד אופטימיזציות של מודלים ברמת PyTorch. בין אם אתה בונה מערכות ML בייצור, מאמן מודלים גדולים או מפעיל נקודות קצה של חיזוי, תוכל לקבל תובנות מעשיות להאצת העומסים של AI שלך. ## מי אמור להשתתף מפגש זה אידיאלי עבור: - מהנדסי ML המייעלים צינורות אימון - חוקרי AI שמקדמים את גבולות ביצועי המודלים - מפתחים בצד האחורי העובדים עם תשתית GPU - מהנדסי ביצועים המתמקדים במערכות AI - כל מי שמתעניין בצומת של חומרה ולמידת מכונה מומלץ להיות בעל היכרות מסוימת עם Python ו-PyTorch, אם כי המפגשים מתאימים לרמות ניסיון שונות. ## פורמט ואמצעים המפגשים מתחילים עם הצגות ומעדכוני קהילה מהמאמנים, ולאחר מכן מצגות טכניות החוקרות טכניקות אופטימיזציה ספציפיות. פורמט ה- Zoom האינטראקטיבי מאפשר שאלות ותשובות בזמן אמת ושיתוף ידע בין המשתתפים. בין המפגשים, תוכל להיכנס לעומק באמצעות [מאגר GitHub של הקבוצה](http://github.com/cfregly/ai-performance-engineering/), לצפות במפגשים קודמים ב-[YouTube](https://www.youtube.com/@AIPerformanceEngineering) או לחקור את ספר O'Reilly של המנחים ["הנדסת ביצועי מערכות AI"](https://www.amazon.com/Systems-Performance-Engineering-Optimizing-Algorithms/dp/B0F47689K8/). הקבוצה גם ממליצה על [קורס Generative AI חינמי](https://bit.ly/gllm) של DeepLearning.ai לידע בסיסי. ## למה להשתתף אופטימיזציה של GPU היא קריטית לפיתוח AI מודרני - הפחתת עלויות אימון, שיפור זמני חיזוי, ואפשרות מודלים גדולים יותר. מפגש זה מספק טכניקות מעשיות, מוכנות לייצור, שתוכל ליישם מיד. התחבר עם קהילת הנדסת ביצועי AI של מדריד, שתף סיפורי אופטימיזציה, והישאר מעודכן עם ההתפתחויות האחרונות ב-CUDA וב-PyTorch. [הצטרף לסדרת מפגשים מתמשכים זו]