InfoQ 编辑 Tina
机器学习，趁着近年来深度学习的热潮强势复苏，很快地从一个很少被大众关注的技术主题，转变为被很多人使用的管理工具和开发工具。其有效性被无数企业成功验证并推广应用，为了避免错失良机，企业需要设计自己的机器学习项目，比如在电商平台的推荐、排序业务中。在业务的多样性大的时候企业就需要考虑将机器学习系统平台化。对于学术界来说，学者们除了看重算法性能和运算效率之外，也希望机器学习平台容易调试、灵活性要强、迭代要快；而对于工业界更看重的是平台的稳定性强、处理大数据量、容易进行数据整合、高效率、低开发成本等。
InfoQ 实际上已经积累了不少企业机器学习平台构建的内容，包括百度的 PaddlePaddle，腾讯的 Angel 等。还有大规模机器学习平台，如第四范式的“先知”和 TalkingData 的 Fregata，各有优点。
Tensorflow 深度学习框架也应该开源一年了，经过了广泛应用和验证，本电子书里也收集了
一篇将 Tensorflow 应用于企业实践中的内容。另外还有将 Deeplearning4j 部署到生产环境。
机器学习企业实践也是少不了的，这些是将机器学习研究转化为真正的生产力，为用户带来实际价值，如：Twitter 机器学习平台的设计与搭建、机器排序学习在 1 号店电商搜索中的实战、百分点基于机器学习方法对销售预测的研究等等。
InfoQ 由社区推动，这里的内容源自像你一样的专业技术人，欢迎大家投稿机器学习的相关实践内容：editors@cn.infoq.com，促进大家共同进步。
目录
深度学习框架 TensorFlow 在 Kubernetes 上的实践
百度 PaddlePaddle 深度学习平台介绍
第四范式大规模机器学习先知平台的整体架构和实现细节
轻量级大规模机器学习算法库 Fregata：快速，无需调参
Twitter 机器学习平台的设计与搭建
机器排序学习在电商搜索中的实战
基于机器学习方法对销售预测的研究
评论