#每日一书#

9.7 构建实时机器学习系统

构建实时机器学习系统

这本书2017年入手，作为当时讲机器学习系统和架构的书，确实还是比较特殊。 作者也是一线做机器学习架构的开发者，算是比较难得的。

这本书开始介绍目前实时机器学习的一些分类，然后列举了为什么需要实时机器学习，遇到了哪些问题。然后就分了几个章节来机器学习模型落地过程中的一些问题。

在第2章，主要是介绍实时监督机器学习，它是思路是什么，怎么做分类器，怎么做训练和冷启动的问题。

第3章和第4章，主要介绍了scikit-learn和Pandas，第5章主要介绍了实时机器学习的几个架构，后面的几章介绍了Docker，消息队列，数据库，数据监控ELK。第10章，主要介绍机器学习系统的设计模式，详细介绍了几个场景，最后就是介绍了serveless架构和深度学习的未来等话题。

看了内容介绍，很多人可能会觉得，机器学习系统为啥要介绍这些东西呢？其实这就是一些人的偏见，做机器学习落地就是需要这些东西，你写chatbot前端也是算落地。

我面了至少200个面试者，真正有模型落地经验的人其实都比较少，很多人工程基础比较差，有人只知道跑一些开放数据集，调整一下参数，有人从来没有部署过模型，这些都是一些常见的问题。 那些年，很多理工科转机器学习，也导致了机器学习基础差，一个有真正模型落地的人不太好找，更不要说做模型优化了。

最近2，3年，ml infra也火了起来，mlops也开始火了，越来越多的人在注意ml system的东西了，机器学习架构也是越来越被重视。

图3中，真正的的ML Code确实只占整个系统的1%都不到，各种围绕机器学习的基础设施是非常多的。

我还做过两年机器学习平台，在架构方面也有一些经验，在知乎上我也经常劝人做机器学习落地。 但是真的要做机器学习模型落地，往全栈机器学习架构上做，你值得。当然，要求也比较高，你能接触到的东西也会非常多，可以先从mlops开始学习。

这本书，介绍的东西是比较初级的，但是也算是有体系的，适合做机器学习系统的人了解了解，入门一下，注意这里也没有深度学习。