书评《Deploying Messaging Solutions with Microsoft Exchange Server 2007》

<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" />

非常感谢微软快递这本书给我免费阅读,由于前期杂事较多,直到今天才给予书评。

该书中文名称可以翻译为《Exchange Server 2007信息解决方案部署》,此书作为微软MCITP认证考试教材之一(认证科目是70-238,Exchange Server 2007 MCITP认证教材一共包括三门,另外两门是《Exchange Server 2007配置规划》(认证科目70-236,MCTS认证教材)及《Exchange Server 2007信息解决方案设计》(认证科目70-237)。

Exchange server 2007信息解决方案部署》全书一共包括十个章节,分别是围绕Exchange拓扑设计、规划部署、Exchange迁移与升级规划、Exchange协同规划、Exchange高可用性设计、业务连续性设计、通讯安全及遵守执行设计、传输规则、通讯环境维护设计、Exchange 2007监视与报表等十个方面进行详细描述。这本书的侧重点从书名也很容易得知主要是让读者了解Exchange 2007的每一项任务从设计到部署落实的全过程。此本书是前两本书70-23670-237有力补充,更深层次拓展。此本书非常适合已经熟悉和有一定Exchange 2007管理经验的IT人士阅读,能够让他们对Exchange 2007更深层次的了解。

个人阅读此本书之后,有了比较深的体会,课程结构安排合理。就拿第一章来说吧。本章内容包含有五角色功能概述、四种典型的Exchange拓扑结构、安装Exchange 2007的硬件条件及操作系统需求、安装五角色的基本条件,如系统补丁、与老版本的Exchange共存。课后还有两个案例习题,方便阅读者进一步巩固本章节内容,安例的答案在本书“答案”这一章节有参考。除此之外,该单节还有一个专门为了方便通过这门认证课程此部分的学习方法建议。其实并不是只有此章节这样,而是此书所有单节都具有此特点,先是课程内容讲解,然后是章节课程综述,再是案例习题,最后是建议学习方法。通过这种课程安排不但让大家学习到丰富的理论知识,而且实际动手能力也得到相应的提高,之外自学这本书籍的效率也得到了提高。

另外,该书还有一个特点就是“细”,思路非常清晰。比如先讲什么后讲什么,那些是重点,应该注意什么。还是以第一章作举例:比如Exchange 2007部署存在的几种拓扑结构,分别是简单、标准、大型、复杂的企业环境,Exchange的五角色该如何分配,分别存在整个网络拓扑当中的一个什么位置,都以图表的方式进行展示,由于Exchange 2007的拓扑与之前的版本有很大区别,传递路径不再是依赖路由组进行邮件传输,而是按照AD的拓扑结构进行邮件传输。实际上学习好本章节Exchange复杂拓扑设计同时也学习好了复杂的AD拓扑环境设计,一举两得。同上面一样,“细”这个特点并不只是本章节特点,一直贯穿全书所有章节。

最后,个人强调一点,此本书是一本非常难得的书籍,建议对Exchange感兴趣读者或是Exchange技术支持工作者好好阅读一下。此书唯一不足就是英文,篇幅比较长,全部阅读完非常耗时,尤其是英语水平不怎么好的国人来说。不过,工作之余,可以选择自己薄弱环节的章节来阅读,不会占用太多时间,而且还十分有参考价值。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值