Anyscale

로봇 정책 평가 시 GPU 기반 시뮬레이션과 추론 워크로드를 Ray로 분리하여 수천 개의 병렬 시뮬레이션을 효율적으로 확장하는 방법.

Anyscale on Azure를 통해 애저 환경 내에서 데이터 거버넌스를 유지하며 Ray 기반의 분산 AI 워크로드를 효율적으로 배포하고 운영하는 방법을 소개한다.

Torc Robotics가 Ray를 도입하여 자율주행 데이터 처리 파이프라인을 통합하고 멀티모달 AI 학습 효율을 최적화한 사례.

Ray Data의 스트리밍 실행과 이기종 스케줄링을 활용하여 CPU와 GPU 단계를 통합한 효율적인 멀티모달 비디오 큐레이션 파이프라인 구축 방법을 소개한다.

PyTorch 모델을 Ray Train과 Ray Data를 사용하여 단일 노드에서 대규모 클러스터로 확장하고, DDP 및 FSDP와 같은 고급 분산 기법을 적용하는 방법을 다루는 실습 튜토리얼입니다.

ZEFR의 Justin Miller가 Ray와 GPU 가속을 통해 틱톡, 유튜브 등 멀티 플랫폼 데이터를 처리하고 Qdrant에 저장하는 고성능 임베딩 파이프라인 구축 사례를 공유합니다.

코인베이스가 Ray, vLLM, LiteLLM을 결합하여 보안과 신뢰성을 확보한 금융권 특화 LLM 서빙 게이트웨이를 구축한 기술적 여정을 공유합니다.

쿠버네티스 공동 창시자 브렌던 번스가 AI 워크로드 처리를 위한 인프라 진화 방향과 Azure 환경에서의 Ray 관리형 서비스 파트너십을 소개한다.

Ray Summit 2025 현장에서 엔지니어들이 직접 설명하는 Ray Data, Train, Serve, KubeRay 등 핵심 라이브러리의 기능과 실무 활용 사례를 다룹니다.

vLLM 프로젝트 공동 리더 Simon Mo가 PagedAttention을 통한 메모리 관리 혁신, Ray와의 분산 처리 통합, 그리고 2025년 vLLM의 기술 로드맵을 공유합니다.

Capital One이 Ray와 Kubernetes를 결합하여 ML 인프라를 현대화하고, 데이터 로딩 병목 현상을 해결하여 분산 하이퍼파라미터 튜닝 성능을 3배 향상시킨 기술적 여정을 공유합니다.

Cursor의 Sasha Rush가 Reinforcement Learning과 Mixture of Experts를 활용해 개발자 신뢰를 얻는 고성능 코딩 에이전트 Composer의 설계 및 학습 과정을 공유한다.

Ray 프레임워크를 기반으로 파이썬 코드를 분산 클러스터에서 실행하고, Anyscale 플랫폼을 통해 이를 프로덕션 환경으로 확장하는 실전 워크플로를 다룹니다.

PyTorch와 Ray를 활용하여 단일 노드에서 대규모 클러스터로 모델 학습을 확장하는 분산 학습 기법(DDP, ZeRO, FSDP)과 실전 구현 방법을 다룹니다.

Ben Lorica가 제안하는 PARK 스택(PyTorch, AI Models, Ray, Kubernetes)을 통해 기업이 확장 가능하고 효율적인 맞춤형 AI 플랫폼을 구축하는 전략을 제시한다.

Vision-Language-Action(VLA) 모델의 효율적인 학습과 배포를 위해 Ray와 Anyscale을 활용하여 CPU 기반 데이터 전처리와 GPU 기반 분산 학습을 통합하는 아키텍처와 실전 가이드를 제시한다.