【导读】机器学习系统:这个规模的设计是一个示例丰富的指南,教你如何在你的机器学习系统中实现反应式设计解决方案,使它们像一个构建良好的web应用一样可靠。

本文首先介绍了反应性机器学习基础,然后介绍如何建立一个反应式机器学习系统(收集数据、生成特征、学习模型、评估模型、发布模型),最后介绍如何操作一个机器学习系统。

  1. 作者介绍 Jeff Smith使用Scala和Spark构建大规模的机器学习系统。在过去的十年中,他一直在纽约,旧金山和香港的多家初创公司从事数据科学应用的研究。他在博客中谈到了构建现实世界机器学习系统的各个方面。

  2. 内容大纲 Part 1. 反应性机器学习基础

  • 第一章. 反应性机器学习
  • 第二章. 使用反应性工具

Part 2. 建立一个反应式机器学习系统(Building a reactive machine learning system)

  • 第三章. 收集数据(Collecting data)
  • 第四章. 生成特征(Generating features)
  • 第五章. 学习模型(Learning models)
  • 第六章. 评估模型( Evaluating models)
  • 第七章. 发布模型(Publishing models)
  • 第八章. 作答(Responding)

Part 3. 操作一个机器学习系统(Operating a machine learning system)

  • 第三章. 陈述(Delivering)
  • 第四章. 发展智力(Evolving intelligence)
成为VIP会员查看完整内容
74

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【2020新书】监督机器学习,156页pdf,剑桥大学出版社
专知会员服务
150+阅读 · 2020年6月27日
【Manning新书】现代Java实战,592页pdf
专知会员服务
98+阅读 · 2020年5月22日
Sklearn 与 TensorFlow 机器学习实用指南,385页pdf
专知会员服务
126+阅读 · 2020年3月15日
普林斯顿大学经典书《在线凸优化导论》,178页pdf
专知会员服务
182+阅读 · 2020年2月3日
Gartner:2020年十大战略性技术趋势, 47页pdf
专知
24+阅读 · 2020年3月10日
《AutoML:方法,系统,挑战》新书免费下载
新智元
22+阅读 · 2019年5月28日
421页《机器学习数学基础》最新2019版PDF下载
Arxiv
20+阅读 · 2019年11月24日
Arxiv
3+阅读 · 2018年11月14日
VIP会员
微信扫码咨询专知VIP会员