1. 机器学习（不做介绍）2. 领域分类： 监督、非监督、（半监督、强化、元、迁移）等等3. 实时架构： 快速稳定、数据连续性、自动化4. 实时机器学习分类：硬实时机器学习：响应系统在接收到请求后，能够马上对请求进行响应反馈，做出处理。（常见领域：网页浏览、在线游戏等）。 问题：通常计算机的网络传输延迟是重要因素之一，在服务器上通常用负载均衡进行响应。软实时机器学习：响应系统在接收到请求后，立即开

注意事项：1. 数据通量与存量估计：QPS（每秒请求书）2. 响应延迟3. 和已有其他系统之间的关系（对已有系统和基础设施的依赖、是否会取代新系统）4. 系统意义实时架构： Lambda架构（实时响应层、快速处理层、批处理层）实时响应层：快速读写数据库（Redis、Druid）快速处理层：软实时对外部需求进行相应（Spark、Storm）批处理层：在线下完成大量数据处理 （MySQL、Hadoop

概述 Overview在深度学习正式介入之前，传统的「目标检测」方法都是区域选择、提取特征、分类回归三部曲，这样就有两个难以解决的问题；其一是区域选择的策略效果差、时间复杂度高；其二是手工提取的特征鲁棒性较差。云计算时代来临后，「目标检测」算法大家族主要划分为两大派系，一个是 R-CNN 系两刀流，另一个则是以 YOLO 为代表的一刀流派。下面分别解释一下两刀流和一刀流。两刀...

什么是异常/离群点？在统计学中，离群点是并不属于特定族群的数据点，是与其它值相距甚远的异常观测。离群点是一种与其它结构良好的数据不同的观测值。例如，你可以很清楚地看到这个列表中的离群点：[20,24,22,19,29,18,*4300*,30,18]当观测值是一堆数字且都是一维时，辨别离群点很容易，但如果有数以千计的观测值或数据是多维的，你可能会需要更机智的方法来检测这些离群点。...