前言
第1章 开始
1.1 有效的异步技术讨论
1.1.1 可复制代码
1.1.2 音频、视频和图像
1.1.3 制作一次，重复使用多次
1.1.4 技术讨论作为一种主动学习的形式
1.1.5 结论
1.1.6 练习：创造技术性帖子
1.2 有效的异步技术项目管理
1.2.1 为什么软件项目失败了
1.2.2 如何按时交付高质量的软件
1.2.3 其他高失败率的例子
1.2.4 练习：为最终项目创建一个技术项目计划
1.3 上AWS、GCP和Azure云
1.3.1 AWS
1.3.2 微软的Azure
1.3.3 GCP
1.3.4 练习：设置CI云
1.3.5 练习：上云实验室
1.3.6 高级案例研究：使用Docker和CircleCI从零开始建立云环境持续集成
1.3.7 使用Docker容器来扩展Makefile的使用
1.4 总结
1.5 其他相关资源
第2章 云计算基础
2.1 为什么应该考虑使用基于云的开发环境
2.2 云计算概述
2.2.1 云计算的经济效益
2.2.2 云服务模型：SaaS、PaaS、IaaS、MaaS、Serverless
2.3 PaaS持续交付
2.3.1 谷歌应用引擎和云构建持续交付
2.3.2 建立多种类型的网站
2.3.3 练习：创建四个网站
2.4 基础设施即代码
2.5 什么是持续交付和持续部署
2.6 从零开始持续交付Hugo静态站点
2.7 总结
第3章 虚拟化、容器化和弹性化
3.1 弹性资源
3.2 容器：Docker
3.2.1 Docker入门
3.2.2 容器的真实例子
3.2.3 运行Docker容器
3.2.4 容器注册表
3.2.5 在AWS Cloud9上从零开始构建容器化应用
3.2.6 练习：在AWS Cloud9中构建Hello World容器
3.3 Kubernetes
3.3.1 安装Kubernetes
3.3.2 Kubernetes概述
3.3.3 自动伸缩的Kubernetes
3.3.4 云中的Kubernetes
3.3.5 混合云和多云Kubernetes
3.3.6 Kubernetes总结
3.4 运行微服务概述
3.4.1 创建有效的报警
3.4.2 Prometheus入门
3.4.3 使用Flask创建Locust负载测试
3.4.4 微服务的无服务器最佳实践、灾难恢复和备份
3.5 练习：运行Kubernetes Engine
3.6 总结
第4章 分布式计算的挑战和机遇
4.1 最终一致性
4.2 CAP定理
4.3 阿姆达尔定律
4.4 弹性
4.5 高可用
4.6 摩尔定律的终结
4.7 ASIC：GPU、TPU、FPGA
4.7.1 ASIC、CPU与GPU
4.7.2 使用GPU和JIT
4.7.3 练习：GPU编程
4.8 总结
第5章 云存储
5.1 云存储类型
5.2 数据治理
5.3 云数据库
5.4 键-值数据库
5.5 图形数据库
5.5.1 为什么不是关系型数据库而是图形数据库
5.5.2 AWS Neptune
5.5.3 Neo4j
5.5.4 大数据的三个“V”
5.6 批处理数据与流数据和机器学习
5.7 云数据仓库
5.8 GCP BigQuery
5.9 AWS Redshift
5.9.1 Redshift工作流中的关键操作
5.9.2 AWS Redshift总结
5.10 总结
第6章 无服务器ETL技术
6.1 AWS Lambda
6.2 使用AWS Cloud9开发AWS Lambda函数
6.2.1 构建一个API
6.2.2 构建一个无服务器数据工程管道
6.2.3 使用AWS Lambda在AWS S3桶上实现计算机视觉
6.2.4 练习：AWS Lambda Step Function
6.3 函数即服务
6.4 AWS Lambda的Chalice框架
6.5 谷歌云函数
6.6 Azure Flask无服务器机器学习
6.7 Cloud ETL
6.8 使用ETL从零开始构建社交网络的现实问题
6.8.1 冷启动问题
6.8.2 从零开始构建社交网络机器学习管道
6.8.3 案例研究：如何构建一个新闻提要
6.9 总结
第7章 可管理的机器学习系统
7.1 Jupyter Notebook工作流
7.2 AWS Sagemaker概述
7.2.1 AWS Sagemaker弹性架构
7.2.2 练习：使用Sagemaker
7.3 Azure ML Studio概述
7.4 谷歌AutoML计算机视觉
7.5 总结
第8章 数据科学案例研究和项目
第9章 随笔
9.1 为什么在2029年前将不会有数据科学这个职位
9.2 利用教育的拆分
9.3 垂直集成的AI栈将如何影响IT机构
9.4 notebook来了
9.5 云原生机器学习和AI
9.6 到2021年会培训100万人
9.6.1 高等教育的现状将会被打破
9.6.2 地方就业市场将会被打破
9.6.3 招聘流程的打破
9.6.4 为什么学习云计算不同于学习编程
9.7 总结
第10章 职业规划
10.1 成为三项全能选手才能获得一份工作
10.2 如何为数据科学和机器学习工程建立作品集
10.3 如何学习
10.4 pear收益策略
10.5 远程优先（掌握异步工作）
10.6 找工作：不要攻城拔寨，要走边门
结语
展开
