如何解決數據科學家、數據工程師和生產工程師的阻抗失配問題

構建一個可擴展、可靠和高性能的機器學習（ML）基礎架構並不容易。這比用Python構建一個分析模型要花費更多的精力。 Uber已經爲許多生產中的用例運行了其可擴展和不依賴框架的機器學習平臺Michelangelo，並寫了一個很好的總結： Michelangelo建立初始，最緊急和影響最高的用例是一些非常高規模的問題，這導致我們圍繞Apache Spark（用於大規模數據處理和模型訓練）和Java（

>>阅读原文<<