。。。

。。。

前言
**部分 實時機器學習方法論
第1章 實時機器學習綜述
1.1 什麼是機器學習
1.2 機器學習發展的前世今生
1.2.1 歷**機器學習無法調和的難題
1.2.2 現代機器學習的新融合
1.3 機器學習領域分類
1.4 實時是個“萬靈丹”
1.5 實時機器學習的分類
1.5.1 硬實時機器學習
1.5.2 軟實時機器學習
1.5.3 批實時機器學習
1.6 實時應用對機器學習的要求
1.7 案例：Netflix在機器學習競賽中學到的經驗
1.7.1 Netflix 用戶信息被逆向工程
1.7.2 Netflix *終勝出者模型無法在生產環境中使用
1.8 實時機器學習模型的生存期
第2章 實時監督式機器學習
2.1 什麼是監督式機器學習
2.1.1 “江湖門派”對預測模型的不同看法
2.1.2 工業界的學術門派
2.1.3 實時機器學習實戰的思路
2.2 怎樣衡量監督式機器學習模型
2.2.1 統計量的**
2.2.2 應用業績的**
2.3 實時線性分類器介紹
2.3.1 廣義線性模型的定義
2.3.2 訓練線性模型
2.3.3 冷啟動問題
第3章 數據分析工具 Pandas
3.1 顛覆R的 Pandas
3.2 Pandas的安裝
……
第4章 機器學習工具 Scikit-learn
第2部分 實時機器學習架構
第5章 實時機器學習架構設計
第6章 集群部署工具 Docker
第7章 實時消息隊列和RabbitMQ
第8章 實戰數據庫綜述
第9章 實時數據監控 ELK 集群
**0章 機器學習繫統設計模式
第3部分 未來展望
**1章 Serverless 架構
**2章 深度學習的風口

。。。