序一

过去十年，Serverless和以机器学习为基础的人工智能技术都取得了巨大进步，成为不可忽视的技术发展趋势。

云的产品体系正在Serverless化，从计算、存储、数据库到中间件，越来越多的云产品采用了Serverless模式。服务器不再是开发者构建应用的唯一选择。全托管的函数计算、Serverless应用引擎、对象存储、消息队列、数据库等云产品成为构建应用的基础组件，帮助开发者在更高的抽象层构建弹性、高可用的云原生应用。在云的世界，应用开发将经历汇编语言向高级语言的变革，Serverless将在下一个十年成为云的默认编程范式。

与此同时，深度学习彻底改变了人工智能。在计算机视觉、语音识别、自然语言处理等领域，深度学习已经取得突破性进展，并将重塑自动驾驶、机器人技术等领域。深度学习的广泛应用离不开强大的算力支撑。无论模型训练还是推理，它们都需要充沛的算力。因此从底层硬件，到深度学习框架，再到垂直应用，深度学习的每个层面都给已有的计算范式带来了挑战。如何高效管理CPU、GPU甚至FPGA等多种硬件资源？如何整合数据清洗等多个流程来快速实现模型训练？如何让模型推理在线服务更加弹性、高效？这些问题是学术界和工业界一直在思考的，也和Serverless的愿景十分契合。

Serverless和机器学习的交集是一个迷人的领域，业界投入极大的热情探索Serverless架构在机器学习领域的应用。在模型推理等分支领域，Serverless已经成为非常有吸引力的架构。阿里云数据库团队使用函数计算构建和运行机器学习算法，对几十万数据库实例的运维数据进行分析和处理，实现数据库实例异常检测、SQL优化、自动弹性伸缩等运维自动化。网易云音乐使用函数计算运行音频指纹识别、音译歌词、副歌检测等算法，处理超过6000万首音乐，速度提升10倍。

本书除带领读者学习经典的机器学习算法、模型、框架外，还探讨了如何使用Serverless架构应对机器学习领域的工程挑战；不仅有理论基础的介绍，还有大量实战经验的分享。读者将学习到机器学习的基本概念、应用特点、架构设计、性能调优等知识。

杨浩然

阿里云智能资深技术专家、阿里云Serverless研发负责人