【Manning干货书】机器学习系统可扩展规模设计（MLS），224页PDF

【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)