Machine learning at scale

核心总结

Machine learning at scale 是一个致力于帮助机器学习工程师提升专业技能的订阅制知识平台，目标是将工程师培养成为x10 Machine Learning Engineer。该平台由目前在Google担任机器学习工程师的Ludovico Bessi（Ludo）运营，已有超过6000名来自Google、Amazon、YouTube、Microsoft等领先公司的机器学习工程师订阅。

主要内容与功能模块

• Anatomy of ML Systems（ML系统解剖）：深入剖析机器学习系统的内部结构与组成部分。
• Patterns of ML Systems（ML系统模式）：探讨机器学习系统设计中的常见模式与最佳实践。
• ML Systems Case Studies（ML系统案例研究）：通过实际案例解析大规模机器学习系统的构建与优化。

即将推出的深度内容

• LLM training：大语言模型训练。
• LLM Inference At Scale：大规模大语言模型推理。
• Recommendation Systems at Scale：大规模推荐系统。
• Computer Vision Systems in Production：生产环境中的计算机视觉系统。
• Search & Ranking Systems：搜索与排序系统。
• MLSys course：机器学习系统课程。

目标用户

• 期望提升自身技能并解锁全部潜力的机器学习工程师。
• 寻求AI帮助的企业（特别是涉及检索、排序和推荐系统以及LLM集成的业务）。

核心优势与作者背景

平台内容由具有丰富一线实战经验的专家提供。Ludovico Bessi的核心履历包括：

• 在Google处理大规模ML系统，以50万QPS保护数十亿用户免受滥用攻击。
• 预训练和微调基于Transformer的模型以理解用户行为。
• 负责端到端YouTube Ads系统（从广告选择到格式）。
• 构建更好的推荐系统，使YouTube成为全球最佳视频购物目的地。
• 在CERN应用机器学习技术理解粒子相互作用。
• 在Volvo开发基于Transformers的计算机视觉论文。

使用流程与收费模式

• 用户可通过Substack订阅获取每周高质量洞察，目前订阅为免费模式。
• 企业如需AI帮助（专攻检索、排序、推荐系统及LLM集成），可通过LinkedIn联系获取免费初步咨询。