構(gòu)建實時機(jī)器學(xué)習(xí)系統(tǒng)

構(gòu)建實時機(jī)器學(xué)習(xí)系統(tǒng)讀書筆記模板01思維導(dǎo)圖讀書筆記目錄分析內(nèi)容摘要精彩摘錄作者介紹目錄0305020406思維導(dǎo)圖機(jī)器實時計算機(jī)設(shè)計學(xué)習(xí)思考編程系統(tǒng)實時機(jī)器第章工具學(xué)習(xí)架構(gòu)隊列模式數(shù)據(jù)數(shù)據(jù)庫消息關(guān)鍵字分析思維導(dǎo)圖內(nèi)容摘要內(nèi)容摘要重架構(gòu)、重設(shè)計、重實戰(zhàn)是本書撰寫的指導(dǎo)思想。我們認(rèn)為優(yōu)秀的系統(tǒng)設(shè)計在于完備的思考和準(zhǔn)備，因此本書對計算機(jī)編程和機(jī)器學(xué)習(xí)理論只有入門級的要求。讀書筆記讀書筆記與其說是本書，不如說是本講義，各方面都多多少少涉及到，具體深入實踐還需要去參考其他書。看了一點點就感覺為了強(qiáng)調(diào)實時系統(tǒng)而編出很多理由，給一星算高了。為數(shù)不多的好書！！作者涉獵極廣，對研發(fā)選型有巨大幫助和參考價值，資深從業(yè)人員的高高手！。各個構(gòu)件都涉及了，唯一缺憾是少了一個整體的示例，沒有將全部過程穿插起來。工程廣度不錯，反映作者全棧工業(yè)經(jīng)驗豐富，期待下一個版本加強(qiáng)應(yīng)用深度。只是積木一樣講了每塊技術(shù)的作用，但是對于大型業(yè)務(wù)場景的完整案例沒有，知識點零散。感覺是個概念性的介紹吧，各個方向都有涉及，缺乏一個完整的可實踐的項目，。讀完后,知道了機(jī)器學(xué)習(xí)的工具清單。大神彭河森作品，值得推薦。書面向的是全棧型的機(jī)器學(xué)習(xí)工作者，從底層基礎(chǔ)架構(gòu)到機(jī)器學(xué)習(xí)算法本身都有涉及，說明作者確實實力非凡，但是對于普通的機(jī)器學(xué)習(xí)人員或者純算法的技術(shù)從業(yè)者讀起來有些困難。精彩摘錄精彩摘錄所謂全棧型人才，即為上可建模型、調(diào)參數(shù)，下可搭集群、做部署，左可開講座、熬雞湯，右可面風(fēng)投、拉項目的“多才多藝”型人才?；赑ython的Scikit-learn工具已經(jīng)成為了監(jiān)督式機(jī)器學(xué)習(xí)模型的主流。常用的監(jiān)督式機(jī)器學(xué)習(xí)方法包括線性模型、最近鄰估計、神經(jīng)網(wǎng)絡(luò)、決策樹等。發(fā)現(xiàn)還是線性模型和樸素貝葉斯模型在實際應(yīng)用中最能滿足上面這三點。3．“拳打腳踢”學(xué)派“拳打腳踢”門派更像是江湖中的丐幫，看似灰頭土臉，但是非常接地氣，得到的結(jié)果往往也是非常好的軟實時的定義是：響應(yīng)系統(tǒng)在接收到請求的時候，立即開始對響應(yīng)進(jìn)行處理，并且在較短時間內(nèi)進(jìn)行反饋目錄分析第2章實時監(jiān)督式機(jī)器學(xué)習(xí)第1章實時機(jī)器學(xué)習(xí)綜述第1部分實時機(jī)器學(xué)習(xí)方法論第4章機(jī)器學(xué)習(xí)工具Scikit-learn第3章數(shù)據(jù)分析工具Pandas第1部分實時機(jī)器學(xué)習(xí)方法論第1章實時機(jī)器學(xué)習(xí)綜述1.1什么是機(jī)器學(xué)習(xí)1.2機(jī)器學(xué)習(xí)發(fā)展的前世今生1.3機(jī)器學(xué)習(xí)領(lǐng)域分類1.4實時是個“萬靈丹”1.5實時機(jī)器學(xué)習(xí)的分類1.6實時應(yīng)用對機(jī)器學(xué)習(xí)的要求1.7案例：Netflix在機(jī)器學(xué)習(xí)競賽中學(xué)到的經(jīng)驗1.8實時機(jī)器學(xué)習(xí)模型的生存期第2章實時監(jiān)督式機(jī)器學(xué)習(xí)2.1什么是監(jiān)督式機(jī)器學(xué)習(xí)2.2怎樣衡量監(jiān)督式機(jī)器學(xué)習(xí)模型2.3實時線性分類器介紹第3章數(shù)據(jù)分析工具Pandas3.1顛覆R的Pandas3.2Pandas的安裝3.3利用Pandas分析實時股票報價數(shù)據(jù)3.4數(shù)據(jù)分析的三個要點第4章機(jī)器學(xué)習(xí)工具Scikit-learn4.1如何站在風(fēng)口上？向Scikit-learn學(xué)習(xí)4.2Scikit-learn的安裝4.3Scikit-learn的主要模塊4.4利用Scikit-learn進(jìn)行股票價格波動預(yù)測第5章實時機(jī)器學(xué)習(xí)架構(gòu)設(shè)計第6章集群部署工具Docker第7章實時消息隊列和RabbitMQ第8章實戰(zhàn)數(shù)據(jù)庫綜述第2部分實時機(jī)器學(xué)習(xí)架構(gòu)第10章機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計模式第9章實時數(shù)據(jù)監(jiān)控ELK集群第2部分實時機(jī)器學(xué)習(xí)架構(gòu)第5章實時機(jī)器學(xué)習(xí)架構(gòu)設(shè)計5.1設(shè)計實時機(jī)器學(xué)習(xí)架構(gòu)的四個要點5.2Lambda架構(gòu)和主要成員5.3常用的實時機(jī)器學(xué)習(xí)架構(gòu)5.4小結(jié)第6章集群部署工具Docker6.1Docker的前世今生6.2容器虛擬機(jī)的基本組成部分6.3Docker引擎命令行工具6.4通過Dockerfile配置容器虛擬機(jī)6.5服務(wù)器集群配置工具DockerCompose6.6遠(yuǎn)端服務(wù)器配置工具DockerMachine6.7其他有潛力的Docker工具第7章實時消息隊列和RabbitMQ7.1實時消息隊列7.2AMQP和RabbitMQ簡介7.3RabbitMQ的主要構(gòu)成部分7.4常用交換中心模式7.5消息傳導(dǎo)設(shè)計模式7.6利用Docker快速部署RabbitMQ7.7利用RabbitMQ開發(fā)隊列服務(wù)第8章實戰(zhàn)數(shù)據(jù)庫綜述8.1SQL與NoSQL，主流數(shù)據(jù)庫分類8.2數(shù)據(jù)庫的性能8.3SQL和NoSQL對比8.4數(shù)據(jù)庫的發(fā)展趨勢8.5MySQL簡介8.6Cassandra簡介第9章實時數(shù)據(jù)監(jiān)控ELK集群9.1Elasticsearch、LogStash和Kibana的前世今生9.2Elasticsearch基本架構(gòu)9.3Elasticsearch快速入門9.4Kibana快速入門第10章機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計模式10.1設(shè)計模式的前世今生10.2讀：高速鍵值模式10.3讀：緩存高速查詢模式10.4更新：異步數(shù)據(jù)庫更新模式10.5更新：請求重定向模式10.6處理：硬實時并行模式10.7處理：分布式任務(wù)隊列模式10.8處理：批實時處理模式第12章深度學(xué)習(xí)的風(fēng)口第11章Serverless架構(gòu)第3部分未來展望第11章Serverless架構(gòu)11.1Serverless架構(gòu)的前世今生11.2Serverless架構(gòu)對實時