幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

雲計算與AI應用技術(高等學校人工智慧理論與應用實踐系列教材)

  • 作者：編者:林偉偉|責編:賈斌
  • 出版社：清華大學
  • ISBN：9787302631927
  • 出版日期：2023/06/01
  • 裝幀：平裝
  • 頁數：349
人民幣：RMB 69.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    雲計算與大數據、人工智慧趨向深度融合，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係。本書內容包括分散式計算基礎、雲計算和雲存儲技術原理、大數據平台架構與編程技術、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、基於神經網路的雲伺服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。
作者介紹
編者:林偉偉|責編:賈斌
    林偉偉，男，博士，華南理工大學電腦科學與工程學院教授、博士生導師，電腦學會高級會員。主要從事雲計算調度優化與節能技術、大數據架構與分析技術、AI應用技術等研究工作，發表學術論文80余篇，其中SCI、EI收錄60余篇，部分論文發表在國內外知名期刊（《軟體學報》《電腦學報》《Information Sciences》《Future Generation Computer Systems》《IEEE Transactions on Cloud Computing》《IEEE Transactions on Sustainable Computing》等）上。主持雲計算與大數據相關科研項目20余項，包括2項國家自然科學基金、多個省部級項目以及華為等公司委託的橫向項目，具有豐富的項目研發經驗。申請發明專利20余件，主編雲計算與大數據系列教材兩本：《分散式計算、雲計算與大數據》《雲計算與大數據技術理論及應用》。
目錄
第1章  分散式計算概論
  1.1  分散式計算概念
    1.1.1  定義
    1.1.2  優缺點
  1.2  分散式計算模式介紹
    1.2.1  單機計算
    1.2.2  並行計算
    1.2.3  網路計算
    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  經典分散式計算系統（項目）
    1.3.1  WWW
    1.3.2  SETI@home
    1.3.3  BOINC
    1.3.4  OpenStack
    1.3.5  Hadoop
    1.3.6  Spark
    1.3.7  Kubernetes
    1.3.8  其他的分散式計算系統（項目）
  1.4  分散式計算編程基礎
    1.4.1  進程間通信
    1.4.2  Socket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係
  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  網路存儲
    4.1.2  RAID
    4.1.3  快照
    4.1.4  分級存儲
  4.2  分散式塊存儲
  4.3  分散式文件存儲
  4.4  分散式對象存儲
  4.5  分散式表存儲
  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  雲磁碟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
    5.3.1  MapReduce
    5.3.2  Spark
    5.3.3  流式計算
  5.4  Hadoop大數據並行計算編程實踐
    5.4.1  Hadoop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  百度大數據平台技術與服務
    5.5.1  天算平台簡介
    5.5.2  天算平台架構與服務
  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
  6.1  AI技術發展概述
    6.1.1  人工智慧技術流派發展簡析
    6.1.2  深度學習帶動當前人工智慧發展
    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演算法
    6.3.1  AI演算法分類
    6.3.2  經典AI演算法介紹
    6.3.3  經典AI演算法實踐
  6.4  百度AI技術體系與產品
    6.4.1  天智AI平台技術架構
    6.4.2  天智AI產品技術介紹
    6.4.3  百度開源深度學習平台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的數據中心雲伺服器能耗建模
  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神經網路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  神經網路模型設計
    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  神經網路的實現與訓練
    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

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032