如何解决数据科学家、数据工程师和生产工程师的阻抗失配问题

构建一个可扩展、可靠和高性能的机器学习（ML）基础架构并不容易。这比用Python构建一个分析模型要花费更多的精力。 Uber已经为许多生产中的用例运行了其可扩展和不依赖框架的机器学习平台Michelangelo，并写了一个很好的总结： Michelangelo建立初始，最紧急和影响最高的用例是一些非常高规模的问题，这导致我们围绕Apache Spark（用于大规模数据处理和模型训练）和Java（

>>阅读原文<<