包郵雲計算係統與人工智能應用|8004540 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁

美黃鎧Kai Hwang 著，袁誌勇杜瑞穎張立譯

下載链接在页面底部

點擊這裡下載

想要找書就要到圖書大百科

book.teaonline.club

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

發表於2024-11-13

類似圖書點擊查看全場最低價

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

圖書介紹

店鋪：互動創新圖書專營店

齣版社：機械工業齣版社

ISBN：9787111598831

商品編碼：28707403727

叢書名：計算機科學叢書

齣版時間：2018-05-01

圖書描述

書名：	雲計算係統與人工智能應用\|8004540
圖書定價：	99元
圖書作者：	（美）黃鎧（Kai Hwang）
齣版社：	機械工業齣版社
齣版日期：	2018/5/1 0:00:00
ISBN號：	9787111598831
開本：	16開
頁數：	0
版次：	1-1

作者簡介

作者簡介
黃鎧教授是計算機係統和互聯網技術領域的國際知名資深學者。目前，他是香港中文大學（深圳）校長講座教授，兼任中國科學院雲計算中心首席科學傢。他擁有加州大學伯剋利分校的博士學位，主要研究領域為計算機體係結構、並行與分布式處理、雲計算、大數據、物聯網、移動互聯網、網絡安全與人工智能應用等方麵，目前主要關注大數據在醫療保健、智慧城市與移動社交網絡方麵的應用。
加盟香港中文大學與中國科學院之前，他是美國南加州大學（USC）電子工程與計算機科學係的終身教授，現在已從該校退休。他曾在普渡大學任教多年，並先後在清華大學、香港大學、颱灣大學和浙江大學擔任特聘講座教授。他在專業領域發錶瞭260篇科學論文，截至2018年4月在榖歌學術搜索中被引次數超過17400次，h指數為55。他是IEEE計算機協會的終身會士。他於2012年獲得國際雲計算大會（IEEE CloudCom）終身成就奬，2004年獲得中國計算機學會（CCF）首屆海外傑齣貢獻奬。
黃教授創作或閤著瞭10餘本英文學術專著，被翻譯為五國語言。其中，有5本被翻譯為中文，包括清華大學齣版社齣版的《高等計算機係統結構》（1995），以及機械工業齣版社齣版的《可擴展並行計算》（2000）、《雲計算與分布式係統》（2013）與《認知計算與深度學習：基於物聯網雲平颱的智能應用》（2018）等。這些書與本書是配套的關係。此外，他曾擔任《並行與分布式計算》（JPDC）雜誌主編28年，還曾擔任IEEE《雲計算會刊》（TCC）、
《並行和分布式係統》（TPDS）、《服務計算》（TSC）以及《大數據智能》雜誌的編委。
多年來，黃教授在南加州大學和普渡大學共培養博士生21人，其中4人晉升為IEEE會士，1人為IBM會士。他在IEEE與ACM國際會議和全球領先的大學進行過60多次主題演講和傑齣講座。他曾在IBM研究院、Intel 公司、富士通研究院、麻省理工學院林肯實驗室、加州理工學院噴氣推進實驗室（JPL）、颱灣工業技術研究院（ITRI）、法國國傢計算科學研究中心（ENRIA）和中國科學院計算所擔任高級顧問或首席科學傢。

內容簡介

本書關注雲計算、大數據、物聯網、認知計算、機器學習的基本原理、智能應用和編程實戰，包括AWS、微軟Azure雲、榖歌DeepMind和寒武紀神經芯片等大量案例。全書共四個部分，第一部分介紹雲計算、數據科學和自適應計算的基本原理，第二部分涵蓋雲架構、虛擬機、Docker容器和多雲混搭服務等，第三部分講解機器學習、深度學習、類腦計算機和AR/VR等的原理，第四部分討論MapReduce、Hadoop、Spark、TensorFlow和GraphX雲編程。
本書適閤作為高等院校計算機相關專業高年級本科生和研究生的教材，也適閤互聯網、物聯網等領域的專業技術人員參考。

齣版者的話
譯者序
前言
作者簡介
第一部分雲平颱、大數據與認知計算
第1章雲計算係統原理 2
1.1 可擴展計算的彈性雲係統 2
1.1.1 雲計算的驅動技術 2
1.1.2 可擴展的分布式/並行計算的演化 3
1.1.3 雲係統中的虛擬資源 5
1.1.4 雲計算與本地計算 7
1.2 雲平颱架構與分布式係統的比較 8
1.2.1 基本雲平颱的架構 8
1.2.2 公共雲、私有雲、社區雲和混閤雲 10
1.2.3 物理集群與虛擬集群 12
1.2.4 雲與傳統並行/分布式係統的比較 14
1.3 雲服務模型、生態係統與可擴展性分析 16
1.3.1 雲服務模型：IaaS、PaaS和SaaS 16
1.3.2 雲性能分析與可擴展性定理 18
1.3.3 雲生態係統與用戶環境 20
1.3.4 雲計算的技術成熟度麯綫 23
1.3.5 雲計算與其他技術的關係 24
1.4 集群的可用性、移動性和優化 26
1.4.1 雲服務器集群的可用性分析 26
1.4.2 虛擬集群操作中的容錯 28
1.4.3 雲中多服務器集群的排隊模型 29
1.4.4 雲計算的多服務器集群優化 30
1.5 結論 32
習題 33
參考文獻 35
第2章數據分析、物聯網與認知計算 37
2.1 大數據科學與應用麵臨的挑戰 37
2.1.1 數據科學與大數據特徵 37
2.1.2 物聯網的技術成熟度麯綫 38
2.1.3 走嚮大數據工業 40
2.1.4 大數據應用概述 41
2.2 物聯網與雲平颱的互動模式 44
2.2.1 IoT感知與平颱架構 45
2.2.2 IoT價值鏈與發展路綫 47
2.2.3 獨立使用和與雲平颱結閤的IoT應用 49
2.2.4 智慧城市與智慧社區的發展 52
2.3 在雲平颱上的數據收集、挖掘與分析 54
2.3.1 數據質量控製與錶達 54
2.3.2 數據挖掘與分析 57
2.3.3 在雲平颱上提升數據分析能力 59
2.3.4 支撐大數據分析的雲資源 61
2.4 神經形態硬件與認知計算 63
2.4.1 認知計算與神經形態處理器 63
2.4.2 IBM SyNAPSE與相關的神經類腦計算機項目 66
2.4.3 中國科學院的神經處理器Cambricon 68
2.4.4 Google TPU與相關的人工智能應用 68
2.5 結論 70
習題 71
參考文獻 72
第二部分雲係統架構與服務平颱設計
第3章虛擬機、Docker容器和服務器集群 74
3.1 雲計算係統中的虛擬化 74
3.1.1 虛擬化的基本概念 74
3.1.2 虛擬化的實現層級 75
3.1.3 集群或雲係統中的資源虛擬化 78
3.2 用於創建虛擬機的虛擬機監控器 79
3.2.1 虛擬機架構類型 79
3.2.2 完全虛擬化和托管虛擬化 81
3.2.3 修改客戶操作係統的半虛擬化 83
3.2.4 平颱虛擬化軟件産品與工具包比較 85
3.3 Docker引擎和應用程序容器 86
3.4 Docker容器和部署要求 89
3.4.1 使用Linux內核函數創建的Docker容器 89
3.4.2 虛擬機與Docker容器的比較 91
3.4.3 從虛擬機到容器和unikernel的架構演變 92
3.5 虛擬機管理和容器編排 94
3.5.1 虛擬機管理解決方案 94
3.5.2 用於災難恢復的虛擬機遷移 95
3.5.3 Docker容器調度和編排 98
3.6 Eucalyptus、OpenStack和VMware雲構建 100
3.6.1 私有雲中的Eucalyptus虛擬集群 100
3.6.2 用於構建私有雲或公共雲的OpenStack軟件 102
3.6.3 支持構建混閤雲的VMware虛擬化 103
3.7 結論 105
習題 105
參考文獻 107
第4章雲架構與服務平颱設計 109
4.1 雲架構與基礎設施設計 109
4.1.1 公共雲平颱及其服務項目 109
4.1.2 雲服務的商業模型 111
4.1.3 數據中心到雲平颱的轉換 113
4.1.4 資源彈性配置方法 117
4.2 虛擬集群的動態配置 119
4.2.1 虛擬集群配置項目 119
4.2.2 虛擬集群配置自適應 121
4.2.3 數據中心集群的虛擬化支持 122
4.2.4 VMware vSphere 6：商用雲操作係統 123
4.3 AWS雲及其服務項目 124
4.3.1 三大雲架構與服務融閤 124
4.3.2 AWS EC2計算引擎和S3存儲雲服務 127
4.3.3 其他AWS雲服務産品 129
4.4 Google AppEngine與Microsoft Azure 133
4.4.1 Google AppEngine及其計算引擎 133
4.4.2 Google硬件/軟件支持下的機器學習服務 137
4.4.3 Microsoft Azure雲及其服務項目 138
4.5 Salesforce、IBM SmartCloud及其他雲平颱 141
4.5.1 用於SaaS服務的Salesforce雲平颱 141
4.5.2 IBM SmartCloud雲平颱、物聯網及認知項目 143
4.5.3 SGI、NASA和CERN建立的雲平颱 145
4.6 結論 148
習題 149
參考文獻 150
第5章移動雲、物聯網、社交媒體與混搭雲服務 153
5.1 無綫互聯網與移動雲計算 153
5.1.1 移動設備與邊際互聯子網 153
5.1.2 WiFi、藍牙和無綫傳感器網絡 155
5.1.3 移動雲計算的微雲網 156
5.1.4 移動雲與托管雲 158
5.2 物聯網感知以及與雲的交互 160
5.2.1 本地與全球定位係統 161
5.2.2 構建移動雲的無綫接入網 162
5.2.3 物聯網和雲的互動框架與設備 164
5.3 社交媒體應用中的雲計算 167
5.3.1 社交媒體大數據工業應用 167
5.3.2 社交網絡與應用編程接口 170
5.3.3 社交圖的特性與錶示 172
5.3.4 智慧雲的社交圖分析 175
5.4 多雲混搭架構與服務 176
5.4.1 混搭雲的敏捷性與可擴展性 177
5.4.2 混搭雲服務架構 179
5.4.3 混搭雲服務的Skyline發現 182
5.4.4 混搭雲服務的動態組成 184
5.5 結論 185
習題 185
參考文獻 187
第三部分機器學習原理與人工智能機器
第6章機器學習算法與預測模型擬閤 190
6.1 機器學習方法的分類 190
6.1.1 機器學習算法的種類 190
6.1.2 監督式機器學習算法 192
6.1.3 無監督機器學習算法 193
6.2 監督式迴歸與分類方法 193
6.2.1 預測的綫性迴歸方法 194
6.2.2 機器學習的決策樹 199
6.2.3 貝葉斯分類與訓練樣本 202
6.2.4 支持嚮量機 205
6.3 聚類方法與降維方法 207
6.3.1 聚類分析與k均值聚類 207
6.3.2 降維方法與強化學習 210
6.3.3 主成分分析方法 212
6.3.4 半監督學習方法 214
6.4 機器學習的建模方法 216
6.4.1 模型擬閤的性能指標 216
6.4.2 降低模型過擬閤的方法 217
6.4.3 避免欠擬閤的方法 219
6.4.4 選擇機器學習算法 219
6.5 結論 221
習題 221
參考文獻 224
第7章智能機器與深度學習網絡 225
7.1 人工智能機器的發展 225
7.1.1 智能機器的技術成熟度麯綫 225
7.1.2 榖歌人工智能産品及服務進展 226
7.1.3 IBM與其他公司的認知服務 230
7.1.4 Intel、Nvidia和CAS/ICT的深度學習芯片 231
7.2 增強現實、虛擬現實與區塊鏈技術 233
7.2.1 增強、介導與虛擬現實 234
7.2.2 虛擬現實與相關産品 235
7.2.3 區塊鏈在商業交易安全中的應用 236
7.3 深度學習人工神經網絡 237
7.3.1 深度學習模仿人類認知功能 237
7.3.2 ANN的演進和應用 239
7.3.3 人工神經元的數學描述 240
7.3.4 多層ANN 241
7.3.5 ANN的正嚮傳播與反嚮傳播 244
7.4 深度學習網絡的分類 247
7.4.1 深度學習網絡的類型 247
7.4.2 捲積神經網絡 248
7.4.3 深度神經網絡的連接性能 252
7.4.4 循環神經網絡 252
7.5 深度學習應用與其他認知功能 255
7.5.1 受限玻爾茲曼機 255
7.5.2 深度信念網絡 256
7.5.3 深度學習與腦功能開發 257
7.6 結論 258
習題 258
參考文獻 261
第四部分雲編程、性能提升與數據安全
第8章基於Hadoop和Spark的雲計算 264
8.1 大型集群的可擴展並行計算 264
8.1.1 可擴展計算的特點 264
8.1.2 從MapReduce到Hadoop和Spark 265
8.1.3 大數據處理的應用軟件庫 266
8.2 Hadoop及其HDFS和YARN 267
8.2.1 MapReduce雲計算引擎 267
8.2.2 用於包郵雲計算係統與人工智能應用|8004540 下載 mobi epub pdf txt 電子書格式