nacos-server-1.2.1-最新版.zip
nacos-server-1.2.1-最新版,windows版,修行不易,且行且珍惜!Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据及流量管理。 Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。
Meslo LG M Regular for Powerline_2020.zip
Meslo LG for Powerline iterm2 主题agnoster中使用字体 经典主题 配合oh-my-zsh一起使用效果更佳
学习构建实时机器学习系统.rar
本书是国内少有的从系统构架角度介绍机器学习应用的图书,总结了笔者多年来在Google、微软工作中积累的精华。书中内容可以从工具、理论和案例三条线路来概括:
工具方面,除了数据分析工具Pandas、机器学习工具Scikit Learn和Docker以外,还介绍了RabbitMQ、Elasticsearch,以及MySQL、Cassandra数据库等。
理论方面,不仅介绍了监督式机器学习基础、衡量和评价方法,机器学习的常见构架,还在本书末尾对机器学习构架的设计模式进行了总结,这样的总结也属国内外业界首创。
案例方面,采用美股交易秒级数据作为案例数据,利用Pandas对秒级交易数据进行分析,利用Scikit Learn对股票变化方向进行预测,还打造了一个以RabbitMQ为消息传导中枢的实时处理系统。
作者简介
彭河森,资深机器学习科学家,曾在Google、Amaz*n、微软等公司从事一线机器学习构架和开发工作,参与了Google实时数据警报、Amazo*产品广告自动化优化、微软必应广告等多项海量数据、延时要求苛刻的机器学习应用工作。也参与Scikit-learn、Airflow、R等多项开源项目。对机器学习项目的生存期管理、架构设计、软件开发以及应用关键有着丰富的经验。
汪涵,资深机器学习开发者,曾是Amaz*n、微软、Quantlab、晨星等公司一线机器学习开发人员,参与了Amazo*AB检验服务、微软必应搜索问答系统等多项关键大数据处理和机器学习应用的构架和开发工作。对机器学习、自然语言处理有着深刻的体会。
目录
版权信息
前言
第1部分 实时机器学习方法论
第1章 实时机器学习综述
1.1 什么是机器学习
1.2 机器学习发展的前世今生
1.3 机器学习领域分类
1.4 实时是个“万灵丹”
1.5 实时机器学习的分类
1.6 实时应用对机器学习的要求
1.7 案例:Netflix在机器学习竞赛中学到的经验
1.8 实时机器学习模型的生存期
第2章 实时监督式机器学习
2.1 什么是监督式机器学习
2.2 怎样衡量监督式机器学习模型
2.3 实时线性分类器介绍
第3章 数据分析工具Pandas
3.1 颠覆R的Pandas
3.2 Pandas的安装
3.3 利用Pandas分析实时股票报价数据
3.4 数据分析的三个要点
第4章 机器学习工具Scikit-learn
4.1 如何站在风口上?向Scikit-learn学习
4.2 Scikit-learn的安装
4.3 Scikit-learn的主要模块
4.4 利用Scikit-learn进行股票价格波动预测
第2部分 实时机器学习架构
第5章 实时机器学习架构设计
5.1 设计实时机器学习架构的四个要点
5.2 Lambda架构和主要成员
5.3 常用的实时机器学习架构
5.4 小结
第6章 集群部署工具Docker
6.1 Docker的前世今生
6.2 容器虚拟机的基本组成部分
6.3 Docker引擎命令行工具
6.4 通过Dockerfile配置容器虚拟机
6.5 服务器集群配置工具Docker Compose
6.6 远端服务器配置工具Docker Machine
6.7 其他有潜力的Docker工具
第7章 实时消息队列和RabbitMQ
7.1 实时消息队列
7.2 AMQP和RabbitMQ简介
7.3 RabbitMQ的主要构成部分
7.4 常用交换中心模式
7.5 消息传导设计模式
7.6 利用Docker快速部署RabbitMQ
7.7 利用RabbitMQ开发队列服务
第8章 实战数据库综述
8.1 SQL与NoSQL,主流数据库分类
8.2 数据库的性能
8.3 SQL和NoSQL对比
8.4 数据库的发展趋势
8.5 MySQL简介
8.6 Cassandra简介
第9章 实时数据监控ELK集群
9.1 Elasticsearch、LogStash和Kibana的前世今生
9.2 Elasticsearch基本架构
9.3 Elasticsearch快速入门
9.4 Kibana快速入门
第10章 机器学习系统设计模式
10.1 设计模式的前世今生
10.2 读:高速键值模式
10.3 读:缓存高速查询模式
10.4 更新:异步数据库更新模式
10.5 更新:请求重定向模式
10.6 处理:硬实时并行模式
10.7 处理:分布式任务队列模式
10.8 处理:批实时处理模式
第3部分 未来展望
第11章 Serverless架构
11.1 Serverless架构的前世今生
11.2 Serverless架构对实时机器学习的影响
第12章 深度学习的风口
12.1 深度学习的前世今生
12.2 深度学习的难点
12.3 如何选择深度学习工具
12.4 未来发展方向
银行风控规则和信用卡评分+2824.pdf
随着中国信用经济的逐步发展,个人信用记录将在社会经济和个人财务中扮演越来越重要的角色。很多市民都非常关心,不良信用记录几年后会自动消除?个人不良信用记录怎么消除?
据悉,信用卡管理不善而造成的不良信用记录并不是无法消除,所以如果有人手中的信用卡有不良信用记录,也不必急于销卡。目前征信系统记录了信用卡最近24个月的还款状态,如果客户将逾期的信用卡销户,那么这张卡最后24个月的还款状态就会以“静止”状态保留在信用报告中。如果客户继续使用这张信用卡,并保持每月按时足额还款,这张卡最近 24 个月的还款状态就会不断更新,两年后,以前的逾期记录就被新记录顶替出去了。
不管是有意还是无意的行为,导致产生不良信用记录,根据最新实施的《征信业管理条例》,个人不良信用记录只保存五年,五年后该记录将被删除。
Flink基础入门教程
Flink基础教程
第 1 章 为何选择 Flink
第 2 章 流处理架构
第 3 章 Flink 的用途
第 4 章 对时间的处理
第 5 章 有状态的计算
第 6 章 批处理:一种特殊的流处理
greenplum-db-5.10.2-rhel6-x86_64
什么是GREENPLUM?
对于很多IT人来说GREENPLUM是个陌生的名字。简单的说它就是一个与ORACLE, DB2一样面向对象的关系型数据库。我们通过标准的SQL可以对GP中的数据进行访问存取。
GREENPLUM与其它普通的关系型数据库的区别?
本质上讲GREENPLUM是一个关系型数据库集群. 它实际上是由数个独立的数据库服务组合成的逻辑数据库。与RAC不同,这种数据库集群采取的是MPP架构。