这类数据的产生过程严格，规则明确，数据质量受实验环境影响较大，建模的主要目的是分析估计目标的误差来源和相关影响。这样的系统通常都有一个共同特征：缺乏一个强有力的技术掌舵者，没有人为这个系统进行整体规划和设计，甚至没有人对系统整体负责，也就是说没有一个真正意义上的软件架构师。统计学习是一套以复杂数据建模和数据理解为目的的工具集，是近期才发展起来的统计学的一个新领域。
架构师应该是软件开发的全才，需要掌握各个方面的知识，才能够针对业务场景选择出最合适的技术解决方案，并解决开发实践中形形色色的问题。一个原因是具备数据提供能力的人往往不能正确评估手中数据的分析价值，换句话说，是对统计学习方法的实践能力不足。
努力的软件架构师拥有宏观的技术视角，能够用更广阔的愿景来诠释当前项目的技术、架构和未来的演化趋势；努力的软件架构师拥有某种技术影响力和领导力，无须施展权威就可以让其他工程师听信于他；努力的软件架构师还会掌握一些特别的管理、谈判技能，让自己的技术构想易于被其他工程师、项目经理、企业管理者和用户接纳。
前者主要是指用合适的工具对给定研究对象某个属性上的量进行测定，主要用于提供有关研究对象量的实验证据，一般需要针对研究目标进行特定的科学设计、抽样计算、数据采集、相关整理、参数估计和模型检验等。
架构师的架构方法修炼：围绕目前主要的互联网分布式架构以及大数据、物联网架构，分析这些架构背后的原理，看它们都遵循着什么样的设计思想，有哪些看似不同而原理相同的技术，以及如何通过这些技术实现系统的高可用和高性能。本书的目的就在于此，即全面呈现架构师的知识结构体系与相关技术的本质和内涵，使读者构建架构知识之网，能从全局思考并面对自己的工作。
另一方面，两类数据掌管着人、机、物三元世界的信息交换，比如在个性化医疗实施方案中，既需要测量数据的支持也需要系统数据的支持，比如通过普查数据可以了解老龄人口的分布情况，通过互联网监测系统可以对其中的孤寡老人开展危险分层建模和有效的社区医疗服务。努力的软件架构师能够设计架构良好的系统，并让它在漫长的生命周期中持续演进、清晰合理。
本书出自统计学习领域声名显赫的几位专家，结合R语言介绍了分析大数据必不可少的工具，提供一些重要的建模和预测技术，并借助丰富的实验来解释如何用R语言实现统计学习方法。就我所见，很多项目团队根本没有系统架构设计这样一个软件开发阶段，也没有一个掌控整个系统技术架构的人，项目管理者主要关注内部和外部的各种沟通，以及人员、进度管理，而缺乏对系统架构的关注，导致系统架构在日复一日的开发过程中逐渐腐烂。
发表评论