Book description
毫无疑问，Web正在慢慢进化。以前，人类读者在网上浏览网页中的内容；而现在，服务和客户端（不一定是人类）在交换信息。因此，本书作者指出，我们应该构建平台，而不只是独立的产品或应用。平台相当于一个生态系统，连接着不同的应用、服务、用户、开发者和合作伙伴，而且优势更大。
本书教你使用Rails设计和开发表述性状态转移（REST）平台，先介绍Ruby on Rails，然后快速概览新概念。读完各章之后，你将学到很多新知识，知道如何构建和有组织地扩展横跨多台设备的多重服务，你会乐在其中。读完本书后，你将知道如何构建由不同服务组成的架构，通过协作的API和应用共享资源。
- 学习REST和HTTP基础知识，包括REST架构和超媒体的作用。
- 了解Ruby和Ruby on Rails。
- 学习创建和开发API。
- 深入了解REST，包括异步REST和REST式服务的测试方法。
- 把数据流映射到应用UI上，把外部API集成到自己的应用中。
- 学习与设备无关的开发。
- 使用数据分析找出重要的事件，分析并跟踪关键指标。
- 探索自己构建数据分析平台所需的工具。
- 学习如何正确地弹性伸缩Rails应用。
- 分析隐私和安全问题，以及处理和收集用户数据的影响。
Product information
- Title: RESTful Rails Development (中文版)
- Author(s):
- Release date: February 2017
- Publisher(s): China Electric Power Press Ltd.
- ISBN: 9787519800581
You might also like
book
GraphQL 学习指南
为什么GraphQL是Ajax诞生以来最具创新性的数据获取技术？GraphQL通过为API提供查询语言和用以完成查询的运行状态，提供了对REST和特定页面服务架构的替代方案。借助这本书，Alex Banks和Eve Porcello为希望开始使用GraphQL的前端Web开发人员、后端工程师以及项目或产品经理提供了一条清晰的学习路径。 你将先后探索图论、图数据结构和GraphQL类型，之后在实际项目中学习如何为照片共享应用构建schema。本书还将向你介绍Apollo Client，可用来将GraphQL连接到你的用户界面。 探索图论并回顾当今使用的家喻户晓的图形实例。 了解GraphQL如何将数据库查询方法应用于互联网。 为照片分享应用创建一个schema，让它成为前后端团队间的桥梁和契约。 使用JavaScript构建功能完备的GraphQL服务，使用Apollo实现客户端。 了解如何为生产环境准备GraphQL API和客户端。
article
Run Llama-2 Models Locally with llama.cpp
Llama is Meta’s answer to the growing demand for LLMs. Unlike its well-known technological relative, ChatGPT, …
book
Python机器学习基础教程
机器学习已成为许多商业应用和研究项目不可或缺的一部分，海量数据使得机器学习的应用范围远超人们想象。本书将向所有对机器学习技术感兴趣的初学者展示，自己动手构建机器学习解决方案并非难事！ 书中重点讨论机器学习算法的实践而不是背后的数学，全面涵盖在实践中实现机器学习算法的所有重要内容，帮助读者使用Python和scikit-learn库一步一步构建一个有效的机器学习应用。 机器学习的基本概念及其应用 常用机器学习算法的优缺点 机器学习所处理的数据的表示方法，包括重点关注数据的哪些方面 模型评估和调参的高级方法 管道的概念 处理文本数据的方法，包括文本特有的处理方法 进一步提高机器学习和数据科学技能的建议
book
机器学习实战：基于Scikit-Learn、Keras 和TensorFlow （原书第2 版）
随着一系列的技术突破，深度学习推动了整个机器学习领域的发展。现在，即使是对这项技术几乎一无所知的程序员也可以使用简单有效的工具来实现“可以自动从数据中学习”的程序。这本畅销书的更新版通过具体的示例、非常少的理论和可用于生产环境的Python框架来帮助你直观地理解并掌握构建智能系统所需要的概念和工具。 你会学到一系列可以快速使用的技术。每章的练习可以帮助你应用所学的知识，你只需要有一些编程经验。所有代码都可以在GitHub上获得。它已更新为TensorFlow 2和Scikit-Learn的新版本。 使用Scikit-Learn和pandas通过端到端项目来学习机器学习基础。 使用TensorFlow 2构建和训练多个神经网络架构来进行分类和回归。 覆盖对象检测、语义分割、注意力机制、语言模型、GAN等。 探索Keras API与TensorFlow 2的官方高级API。 使用TensorFlow的数据API、分布策略API、TF Transform和TF-Serving来部署TensorFlow模型。 在Google Cloud AI Platform或移动设备上部署。 …
