《機器學習系統》是2019年9月清華大學出版社出版的圖書，作者是[美]傑夫·史密斯(Jeff Smith)。
基本介紹
- 中文名：機器學習系統
- 作者：[美]傑夫·史密斯(Jeff Smith)
- 譯者：潘海為、張春新
- 出版社：清華大學出版社
- 出版時間：2019年09月
- 定價：59.8 元
- ISBN：9787302534853
內容簡介,圖書目錄,
內容簡介
使用Spark、MLlib和Akka反應式設計模式監控和維護大型系統特徵、actor和監督，讀者需要具備Java或Scala中級技能，但不需要有機器學習經驗。
圖書目錄
第Ⅰ部分 反應式機器學習基礎知識
第1章 學習反應式機器學習 3
1.1 機器學習系統的一個示例 4
1.1.1 構建原型系統 4
1.1.2 建立更好的系統 6
1.2 反應式機器學習 7
1.2.1 機器學習 7
1.2.2 反應式系統 12
1.2.3 使機器學習系統具有反應性 15
1.2.5 何時不使用反應式機器學習 19
1.3 本章小結 19
第2章 使用反應式工具 21
2.1 Scala，一種反應式語言 22
2.1.1 對Scala中的不確定性做出反應 23
2.1.2 時間的不確定性 24
2.2 Akka，一個反應式工具包 27
2.2.1 actor模型 27
2.2.2 使用Akka確保回彈性 29
2.3 Spark，一個反應式的大數據框架 32
2.4 本章小結 37
第Ⅱ部分 構建反應式機器學習系統
第3章 收集數據 41
3.1 感知不確定數據 42
3.2 收集大規模數據 45
3.2.1 維護分散式系統中的狀態 45
3.2.2 了解數據收集 50
3.3 持久化數據 50
3.3.1 彈性和回彈性資料庫 51
3.3.2 事實資料庫 52
3.3.3 查詢持久化事實 54
3.3.4 了解分散式事實資料庫 59
3.4 套用 63
3.5 反應性 64
3.6 本章小結 64
第4章 生成特徵 67
4.1 Spark ML 68
4.2 提取特徵 69
4.3 轉換特徵 72
4.3.1 共同特徵轉換 74
4.3.2 轉換概念 76
4.4 選擇特徵 77
4.5 構造特徵代碼 79
4.5.1 特徵生成器 79
4.5.2 特徵集的組成 83
4.6 套用 86
4.7 反應性 87
4.8 本章小結 88
第5章 學習模型 89
5.1 實現學習算法 90
5.1.1 貝葉斯建模 92
5.1.2 實現樸素貝葉斯 94
5.2 使用MLlib 98
5.2.1 構建ML管道 99
5.2.2 演化建模技術 103
5.3 構建外觀模式 105
5.4 反應性 111
5.5 本章小結 112
第6章 評估模型 113
6.1 檢測欺詐 114
6.2 測試數據 115
6.3 模型度量 118
6.4 測試模型 123
6.5 數據泄漏 125
6.6 記錄起源 126
6.7 反應性 128
6.8 本章小結 128
第7章 發布模型 129
7.1 農業的不確定性 130
7.2 持久化模型 130
7.3 服務模型 135
7.3.1 微服務 135
7.3.2 Akka HTTP 136
7.4 容器化套用 138
7.5 反應性 141
7.6 本章小結 142
第8章 回響 143
8.1 以海龜的速度移動 144
8.2 用任務構建服務 144
8.3 預測交通 146
8.4 處理失敗 151
8.5 構建回響系統 155
8.6 反應性 156
8.7 本章小結 157
第Ⅲ部分 操作機器學習系統
第9章 交付 161
9.1 運送水果 161
9.2 構建和打包 162
9.3 構建管道 164
9.4 評估模型 165
9.5 部署 165
9.6 反應性 168
9.7 本章小結 168
第10章 演化智慧型 169
10.1 聊天 169
10.2 人工智慧 170
10.3 反射代理 171
10.4 智慧型代理 172
10.5 學習代理 174
10.6 反應式學習代理 177
10.6.1 反應原則 177
10.6.2 反應策略 178
10.6.3 反應式機器學習 178
10.7 反應性 178
10.7.1 庫 179
10.7.2 系統數據 179
10.8 反應性探索 181
10.8.1 用戶 182
10.8.2 系統維度 182
10.8.3 套用反應原則 183
10.9 本章小結 184
附錄 185
