新書推薦：
《
一木倒，万物生：树的第二次生命
》
售價：HK$
62.1
《
大乔小乔
》
售價：HK$
67.9
《
文化遗产管理规划：场所及其意义
》
售價：HK$
101.2
《
最后的奈良（一部日本土葬风俗消亡史，堪称日本土葬资源抢救工程的“世纪奇书”）
》
售價：HK$
98.9
《
古籍目录版本校勘文选（平装）
》
售價：HK$
89.7
《
巴比伦怪物：魏玛共和国犯罪鉴证实录（“火与风”丛书）
》
售價：HK$
101.2
《
启功谈国画（启功著，中华书局出版）
》
售價：HK$
64.4
《
中国书法的历程
》
售價：HK$
89.7
|
| 編輯推薦： |
|
本书知识系统全面，从传统的经典分布式计算原理开始，系统地、深入剖析新兴的云计算与AI应用技术的原理。
|
| 內容簡介： |
|
云计算与大数据、人工智能趋向深度融合，三者不可分割、相互促进。本书把三者作为一个整体展现给读者，并通过三种技术的融合应用案例，让读者更好地理解三者的技术原理和关系。本书内容包括分布式计算基础、云计算和云存储技术原理、大数据平台架构与编程技术、百度云技术原理、基于百度云的大数据与AI应用开发技术及案例、基于神经网络的云服务器能耗建模和股票智能量化交易策略的开发案例等。 本书不仅可以作为计算机、电子信息、自动化等相关专业本科生及研究生的教材和教学参考书，也可以作为云计算、大数据和AI技术相关专业方向的参考书和培训资料。
|
| 目錄：
|
第1章分布式计算概论
1．1分布式计算概念
1．1．1定义
1．1．2优缺点
1．2分布式计算模式介绍
1．2．1单机计算
1．2．2并行计算
1．2．3网络计算
1．2．4对等计算
1．2．5集群计算
1．2．6网格计算
1．2．7云计算
1．2．8雾计算
1．2．9边缘计算
1．2．10移动边缘计算
1．2．11移动云计算
1．2．12大数据计算
1．3经典分布式计算系统(项目)
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其他的分布式计算系统(项目)
1．4分布式计算编程基础
1．4．1进程间通信
1．4．2Socket编程
1.5习题
1.6参考文献
第2章云计算概述与关键技术
2.1云计算概述
2．1．1云计算起源
2．1．2云计算定义
2．1．3云计算分类
2.2云计算与相关计算模式的关系
2.3云计算关键技术
2．3．1体系结构
2．3．2数据存储
2．3．3计算模型
2．3．4资源调度
2．3．5虚拟化
2.4容器云技术介绍
2．4．1容器技术原理
2．4．2容器与虚拟机技术分析比较
2.5百度云概述
2.6习题
2.7参考文献
第3章云计算架构与百度云架构
3．1谷歌云与亚马逊云架构
3．1．1谷歌云架构
3．1．2亚马逊云架构
3．2百度云架构
3．2．1百度云架构概述
3．2．2百度云调度技术
3．2．3百度云节能技术
3．3基于百度云的基础架构实践
3．3．1基于百度云实现云上弹性架构
3．3．2基于百度云快速部署Discuz论坛
3.4习题
3.5参考文献
第4章云存储技术和百度云存储
4．1存储基础知识
4．1．1网络存储
4．1．2RAID
4．1．3快照
4．1．4分级存储
4．2分布式块存储
4．3分布式文件存储
4．4分布式对象存储
4．5分布式表存储
4．6百度云存储技术及核心产品
4．6．1百度云存储产品体系
4．6．2百度云存储架构
4．6．3对象存储BOS
4．6．4云磁盘CDS
4．6．5表格存储BTS
4．6．6百度网盘
4.7习题
4.8参考文献
第5章基于云计算的大数据分析技术
5.1大数据背景与概述
5．1．1大数据产生的背景
5．1．2大数据的定义
5．1．3大数据的5V特征
5．1．4大数据发展趋势
5.2大数据处理关键技术
5．2．1大数据采集
5．2．2大数据预处理
5．2．3大数据存储及管理
5．2．4大数据分析及挖掘
5．2．5大数据展现及应用
5.3大数据计算模式
5．3．1MapReduce
5.3.2Spark
5．3．3流式计算
5.4Hadoop大数据并行计算编程实践
5．4．1Hadoop环境的搭建
5．4．2基于MapReduce程序实例(HDFS)
5．4．3基于MapReduce程序实例(HBase)
5．4．4基于Spark的程序实例
5.5百度大数据平台技术与服务
5．5．1天算平台简介
5．5．2天算平台架构与服务
5.6百度MapReduce BMR
5．6．1概述
5．6．2技术架构与原理
5．6．3定时分析日志数据实例介绍
5．6．4基于机器学习进行员工离职分析
5.7百度OLAP引擎Palo
5．7．1概述
5．7．2系统架构
5．7．3关键特性
5.8百度机器学习BML
5．8．1概述
5．8．2基于BML的应用开发案例——电影推荐
5.9习题
5.10参考文献
第6章基于云计算的AI应用技术
6.1AI技术发展概述
6．1．1人工智能技术流派发展简析
6．1．2深度学习带动当前人工智能发展
6．1．3问题和趋势展望
6.2基于深度学习的AI技术
6.3经典AI算法
6．3．1AI算法分类
6．3．2经典AI算法介绍
6．3．3经典AI算法实践
6.4百度AI技术体系与产品
6．4．1天智AI平台技术架构
6．4．2天智AI产品技术介绍
6．4．3百度开源深度学习平台PaddlePaddle
6.5百度AI应用案例
6．5．1百度AI应用开发方法
6．5．2百度人脸识别应用案例
6．5．3百度语音应用案例
6．5．4百度自然语言处理应用案例
6.6习题
6.7参考文献
第7章上云迁移技术与案例
7.1上云业务的背景
7.2云迁移技术概述
7.3上云整体流程
7.4基于百度云的站点平滑上云迁移方案
7．4．1迁移的前提条件
7．4．2数据迁移方式
7．4．3迁移方案
7．4．4迁移后续工作
7.5基于百度云的站点离线迁移方案
7．5．1迁移的前提条件
7．5．2迁移操作
7.6基于百度云BCC、RDS的Wordpress上云迁移案例
7．6．1背景介绍
7．6．2实验内容
7.7基于百度云BOS的非结构化数据迁移案例
7．7．1背景介绍
7．7．2案例内容
7.8习题
7.9参考文献
第8章基于ANN的数据中心云服务器能耗建模
8．1案例背景与需求概述
8．1．1背景介绍
8．1．2基本需求
8．2设计方案
8．2．1建模的一般流程
8．2．2数据预处理
8．2．3模型的建立及训练
8．3环境准备
8．4实现方法
8．4．1单个模型实验和分析
8．4．2对比实验和分析
8．4．3模型的开销对比
8．5总结
8.6参考文献
第9章基于BP神经网络的股票量化交易智能策略
9．1基本需求
9．2策略设计
9．2．1神经网络模型设计
9．2．2模型训练
9．2．3模型预测
9．2．4开仓操作
9．3具体实现
9．3．1神经网络的实现与训练
9．3．2数据获取
9．3．3矩阵运算
9．3．4根据预测结果进行开平仓操作
9．4运行过程
9．5总结
|
| 內容試閱：
|
背景与内容规划
云计算、大数据、人工智能（AI）是当前信息领域应用发展最快、研究最热门的三个方向。云计算是大数据分析和人工智能计算的基础，人工智能也离不开大数据。云计算是大数据的底层架构，大数据依赖云计算来处理大数据，人工智能是大数据的场景应用。当前，大数据、人工智能与云计算技术趋向深度融合，三者不可分割、相互促进。因此，本教材试图把云计算、大数据、人工智能作为一个整体来展现给读者，以便让读者更好地理解三者的技术原理和关系。本教材以剖析云计算技术原理为主，并重点探讨基于云计算的大数据和AI应用研发的技术方法。教材主要内容涉及分布式计算的基本概念和技术原理、云计算的技术原理与云存储技术、大数据平台架构与编程技术、基于云计算的AI应用技术、百度云技术原理、基于百度云的大数据与AI应用案例，以及基于云计算和大数据的AI应用研发技术等。本教材将能为计算机相关专业的本科生、研究生和专业技术人员提供丰富和全面的与云计算、大数据、AI技术相关的知识体系和研发实践技术，也能为相关专业科研人员进一步从事相关研究打下良好基础，对基于云计算的大数据和AI技术的研究与应用具有较好带动作用。
本书主要内容包括分布式计算模式、分布式计算编程基础、云计算技术原理、云计算架构、云存储技术、百度云技术原理与架构及存储技术、基于云计算的大数据分析技术和AI应用技术、基于云计算的AI应用技术、基于AI的大数据分析技术等，并从云计算、大数据、人工智能的技术应用方面，给出大量编程实例与应用开发案例，具体包括Socket程序设计案例、MapReduce程序实例、Spark程序实例、基于百度云的Discuz论坛的部署案例、基于百度BMR的定时分析日志数据实例、基于机器学习的员工离职分析案例、基于BML的电影推荐应用开发案例、经典AI算法实践案例、百度人脸识别应用案例、百度语音应用案例、百度自然语言处理应用案例、基于百度的上云迁移案例、基于ANN数据中心的云服务器能耗建模案例、基于BP神经网络的股票智能量化交易策略等。全书共9章，各章内容安排如上图所示。
教学资源与使用方法
本书配套PPT课件和课后习题参考答案，使用本书进行教学的教师可以向清华大学出版社申请获取相关教学资源。
本书可以作为计算机相关专业学生“云计算”“大数据”和“人工智能”课程的入门教材，同时也可以作为计算机从业人员云计算、大数据和人工智能相关知识的入门学习资料。读者最好在学习过操作系统、计算机网络、数据库、面向对象编程语言之后再学习本书与相应课程。全书内容可根据不同的读者对象进行选择。但根据本书的定位，建议至少学习32学时，建议重点讲授章节和相应学时分配如下。
章名建议重点讲授章节建议学时
第1章所有小节4
第2章所有小节3
第3章3.2，3.32
第4章所有小节4
第5章5.3，5.4，5.5，5.6，5.7，5.8，5.96
第6章所有小节7
第7章所有小节2
第8章所有小节2
第9章所有小节2
此外，本书知识点的教学应该辅以相应的实验教学内容，建议实验课程的学时数不少于理论课程学时数的三分之一。
致谢
本书由林伟伟教授负责总体设计，并组织全书编写，百度公司相关技术人员负责全书内容的审校； 本书各章内容的编写由多位博士与硕士研究生参与完成，在本书的编写过程中，他们投入大量精力进行程序设计与资料收集整理工作，他们是熊辰念、石方、李正锐、詹红萍、黄天晟、王泽涛、李毓睿、游德光、刘阳等，在此特别表示感谢。
衷心感谢中国科学院陈国良院士，陈院士出版的“并行计算系列丛书”体系完整、框架清晰、内容丰富、与时俱进，时时提醒我要以这样的标准来写书。特别感谢湖南大学彭绍亮教授、华南理工大学齐德昱教授和华南师范大学刘波教授等人对本书编写的指导和鼓励。感谢清华大学出版社对本书出版的大力支持。感谢百度公司对本书的资助和支持。
本书的撰写和相关技术的研究中，尽管笔者投入了大量的精力、付出了艰辛的努力，然而受知识水平所限，错误和疏漏之处在所难免，恳请大家批评指正。
林伟伟
2023年5月4日于华南理工大学
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
