雲計算與AI應用技術

林偉偉

  • 出版商: 清華大學
  • 出版日期: 2023-06-01
  • 定價: $419
  • 售價: 8.5$356
  • 語言: 簡體中文
  • ISBN: 7302631921
  • ISBN-13: 9787302631927
  • 下單後立即進貨 (約4週~6週)

  • 雲計算與AI應用技術-preview-1
  • 雲計算與AI應用技術-preview-2
  • 雲計算與AI應用技術-preview-3
雲計算與AI應用技術-preview-1

相關主題

商品描述

雲計算與大數據、人工智能趨向深度融合,三者不可分割、相互促進。本書把三者作為一個整體展現給讀者,並通過三種技術的融合應用案例,讓讀者更好地理解三者的技術原理和關系。本書內容包括分佈式計算基礎、雲計算和雲存儲技術原理、大數據平臺架構與編程技術、百度雲技術原理、基於百度雲的大數據與AI應用開發技術及案例、基於神經網絡的雲服務器能耗建模和股票智能量化交易策略的開發案例等。 本書不僅可以作為電腦、電子信息、自動化等相關專業本科生及研究生的教材和教學參考書,也可以作為雲計算、大數據和AI技術相關專業方向的參考書和培訓資料。

目錄大綱

目錄

第1章分佈式計算概論

1.1分佈式計算概念

1.1.1定義

1.1.2優缺點

1.2分佈式計算模式介紹

1.2.1單機計算

1.2.2並行計算

1.2.3網絡計算

1.2.4對等計算

1.2.5集群計算

1.2.6網格計算

1.2.7雲計算

1.2.8霧計算

1.2.9邊緣計算

1.2.10移動邊緣計算

1.2.11移動雲計算

1.2.12大數據計算

1.3經典分佈式計算系統(項目)

1.3.1WWW

1.3.2SETI@home 

1.3.3BOINC  

1.3.4OpenStack

1.3.5Hadoop  

1.3.6Spark  

1.3.7Kubernetes  

1.3.8其他的分佈式計算系統(項目)

1.4分佈式計算編程基礎

1.4.1進程間通信

1.4.2Socket編程

1.5習題

1.6參考文獻

第2章雲計算概述與關鍵技術

2.1雲計算概述

2.1.1雲計算起源

2.1.2雲計算定義

2.1.3雲計算分類

2.2雲計算與相關計算模式的關系

2.3雲計算關鍵技術

2.3.1體系結構

2.3.2數據存儲

2.3.3計算模型

2.3.4資源調度

2.3.5虛擬化

2.4容器雲技術介紹

2.4.1容器技術原理

2.4.2容器與虛擬機技術分析比較

2.5百度雲概述

2.6習題

2.7參考文獻

第3章雲計算架構與百度雲架構

3.1谷歌雲與亞馬遜雲架構 

3.1.1谷歌雲架構

3.1.2亞馬遜雲架構

3.2百度雲架構

3.2.1百度雲架構概述

3.2.2百度雲調度技術

3.2.3百度雲節能技術

3.3基於百度雲的基礎架構實踐

3.3.1基於百度雲實現雲上彈性架構

3.3.2基於百度雲快速部署Discuz論壇

3.4習題

3.5參考文獻

第4章雲存儲技術和百度雲存儲

4.1存儲基礎知識

4.1.1網絡存儲

4.1.2RAID

4.1.3快照

4.1.4分級存儲

4.2分佈式塊存儲

4.3分佈式文件存儲

4.4分佈式對象存儲 

4.5分佈式表存儲

4.6百度雲存儲技術及核心產品

4.6.1百度雲存儲產品體系

4.6.2百度雲存儲架構

4.6.3對象存儲BOS

4.6.4雲磁盤CDS

4.6.5表格存儲BTS

4.6.6百度網盤

4.7習題

4.8參考文獻

第5章基於雲計算的大數據分析技術

5.1大數據背景與概述

5.1.1大數據產生的背景

5.1.2大數據的定義

5.1.3大數據的5V特徵

5.1.4大數據發展趨勢

5.2大數據處理關鍵技術

5.2.1大數據採集

5.2.2大數據預處理

5.2.3大數據存儲及管理

5.2.4大數據分析及挖掘

5.2.5大數據展現及應用

5.3大數據計算模式

5.3.1MapReduce

5.3.2Spark

5.3.3流式計算

5.4Hadoop大數據並行計算編程實踐

5.4.1Hadoop環境的搭建

5.4.2基於MapReduce程序實例(HDFS)

5.4.3基於MapReduce程序實例(HBase)

5.4.4基於Spark的程序實例

5.5百度大數據平臺技術與服務

5.5.1天算平臺簡介

5.5.2天算平臺架構與服務

5.6百度MapReduce BMR

5.6.1概述

5.6.2技術架構與原理

5.6.3定時分析日誌數據實例介紹

5.6.4基於機器學習進行員工離職分析

5.7百度OLAP引擎Palo

5.7.1概述

5.7.2系統架構

5.7.3關鍵特性

5.8百度機器學習BML

5.8.1概述

5.8.2基於BML的應用開發案例——電影推薦

5.9習題

5.10參考文獻

第6章基於雲計算的AI應用技術

6.1AI技術發展概述

6.1.1人工智能技術流派發展簡析

6.1.2深度學習帶動當前人工智能發展

6.1.3問題和趨勢展望

6.2基於深度學習的AI技術

6.3經典AI算法

6.3.1AI算法分類

6.3.2經典AI算法介紹

6.3.3經典AI算法實踐

6.4百度AI技術體系與產品

6.4.1天智AI平臺技術架構

6.4.2天智AI產品技術介紹

6.4.3百度開源深度學習平臺PaddlePaddle

6.5百度AI應用案例

6.5.1百度AI應用開發方法

6.5.2百度人臉識別應用案例

6.5.3百度語音應用案例

6.5.4百度自然語言處理應用案例

6.6習題

6.7參考文獻

第7章上雲遷移技術與案例

7.1上雲業務的背景

7.2雲遷移技術概述

7.3上雲整體流程

7.4基於百度雲的站點平滑上雲遷移方案

7.4.1遷移的前提條件

7.4.2數據遷移方式

7.4.3遷移方案

7.4.4遷移後續工作

7.5基於百度雲的站點離線遷移方案

7.5.1遷移的前提條件

7.5.2遷移操作

7.6基於百度雲BCC、RDS的Wordpress上雲遷移案例

7.6.1背景介紹

7.6.2實驗內容

7.7基於百度雲BOS的非結構化數據遷移案例

7.7.1背景介紹

7.7.2案例內容

7.8習題

7.9參考文獻

第8章基於ANN的數據中心雲服務器能耗建模

8.1案例背景與需求概述

8.1.1背景介紹

8.1.2基本需求

8.2設計方案

8.2.1建模的一般流程

8.2.2數據預處理

8.2.3模型的建立及訓練

8.3環境準備

8.4實現方法

8.4.1單個模型實驗和分析

8.4.2對比實驗和分析

8.4.3模型的開銷對比

8.5總結

8.6參考文獻

第9章基於BP神經網絡的股票量化交易智能策略

9.1基本需求

9.2策略設計

9.2.1神經網絡模型設計

9.2.2模型訓練

9.2.3模型預測

9.2.4開倉操作

9.3具體實現

9.3.1神經網絡的實現與訓練

9.3.2數據獲取

9.3.3矩陣運算

9.3.4根據預測結果進行開平倉操作

9.4運行過程

9.5總結