资源调度，Federated Learning的介绍

本周我们继续ML Platform的第四讲，感谢我们的老朋友David大神给我们带来的精彩讲座，相关的内容总结如下：

Slides

1. David使用的Slides。
   • David推荐的美剧silicon valley。
   • David引用的美团平台的slides。
2. ML Platform系列讲座总结：
   • 第一讲：ML Infra的整体框架介绍
   • 第二讲：ML OPS的深入介绍
   • 第三讲：Model Serving的介绍
   • 第四讲：资源调度，Federated Learning的介绍
   • 第五讲：Model Distributed training的介绍
   • 第六讲：Feature Store, Parameter Server的介绍
   • 第七讲：KServe和Triton的介绍 — realtime inference

Q&A

感谢Nancy提供的笔记供参考

什么是TPU?

1. 【扩展】15秒了解CPU、GPU、TPU的关系
2. 【扩展】CPU、GPU、TPU、NPU等到底是什么？
3. 【扩展】TPU为何能超越GPU，成为深度学习首选处理器

NVLink是什么

1. 【扩展】NVLink到底是个啥？
2. 【扩展】NVLINK AND NVSWITCH
3. 【扩展】nvidia nvlink互联与nvswitch介绍
4. 【扩展】浅析GPU通信技术（中）-NVLink
5. 【扩展】NVIDIA NVLink扩展战略—突破PCIE的极限​

RDMA介绍

1. 【扩展】RDMA技术详解（一）：RDMA概述
2. 【扩展】来点硬核的：什么是RDMA？
3. 【扩展】详谈RDMA技术原理和三种实现方式
4. 【扩展】一文带你初识RDMA技术——RDMA概念，特点，协议，通信流程
5. 【扩展】RDMA简介相关内容

联邦学习的补充介绍

1. 【扩展】联邦学习的技术挑战和应用展望
2. 【扩展】详解联邦学习Federated Learning
3. 【扩展】终于有人把联邦学习讲明白了
4. 【扩展】联邦学习：机器学习领域的明日之星

再次感谢大家的参与，也希望大家有好的资源能联系我更新这篇文章，或者在下面留言。谢谢大家。

下周话题安排和往期话题回顾敬请参见《系统设计开荒小分队话题讨论简介》

欢迎大家订阅公众号或者注册邮箱（具体方法见左右侧边栏），可以第一时间收到更新。