智能計算平臺應(yīng)用開發(fā)（中級）

定　價：￥49.80

作　者：	華為技術(shù)有限公司著
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥49.80)

ISBN：	9787115538987	出版時間：	2020-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	250	字數(shù)：

內(nèi)容簡介

　　本書是智能計算平臺應(yīng)用開發(fā)中級教材，主要介紹了智能計算平臺搭建、平臺管理、數(shù)據(jù)管理、應(yīng)用開發(fā)等相關(guān)知識。全書共分9章，內(nèi)容包括智能計算平臺應(yīng)用開發(fā)概述、人工智能與平臺搭建、平臺管理、數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)處理、數(shù)據(jù)備份與恢復、機器學習基礎(chǔ)算法建模和人工智能模型開發(fā)測試。

作者簡介

　　華為是全球領(lǐng)先的ICT（信息與通信）基礎(chǔ)設(shè)施和智能終端提供商，致力于把數(shù)字世界帶入每個人、每個家庭、每個組織，構(gòu)建萬物互聯(lián)的智能世界。我們在通信網(wǎng)絡(luò)、IT、智能終端和云服務(wù)等領(lǐng)域為客戶提供有競爭力、安全可信賴的產(chǎn)品、解決方案與服務(wù)，與生態(tài)伙伴開放合作，持續(xù)為客戶創(chuàng)造價值，釋放個人潛能，豐富家庭生活，激發(fā)組織創(chuàng)新。華為堅持圍繞客戶需求持續(xù)創(chuàng)新，加大基礎(chǔ)研究投入，厚積薄發(fā)，推動世界進步。華為成立于1987年，是一家由員工持有全部股份的民營企業(yè)，目前擁有19.4萬員工，業(yè)務(wù)遍及170多個國家和地區(qū)。

圖書目錄

第 1章　智能計算平臺應(yīng)用開發(fā)概述　1
1．1　智能計算平臺應(yīng)用開發(fā)技能點簡介　1
1．1．1　初級　1
1．1．2　中級　2
1．1．3　高級　4
1．2　智能計算平臺應(yīng)用開發(fā)的中級知識點概要　5
1．2．1　平臺搭建　5
1．2．2　平臺管理　5
1．2．3　數(shù)據(jù)管理　6
1．2．4　應(yīng)用開發(fā)　7
小結(jié)　8
習題　8
第　2章人工智能與平臺搭建　10
2．1　人工智能簡介　10
2．1．1　人工智能發(fā)展　10
2．1．2　大數(shù)據(jù)與人工智能　11
2．1．3　機器學習與深度學習　12
2．2　集成開發(fā)環(huán)境　13
2．2．1　Anaconda　13
2．2．2　PyCharm　16
2．2．3　Eclipse　21
2．3　常用人工智能開發(fā)框架　25
2．3．1　TensorFlow　26
2．3．2　PyTorch　27
2．3．3　MXNet　28
2．3．4　Caffe　29
2．3．5　MindSpore　30
小結(jié)　30
習題　31
第3章　平臺管理　32
3．1　服務(wù)器集群管理　32
3．1．1　集群管理介紹　32
3．1．2　集群管理工具簡介　35
3．2　存儲資源管理　37
3．2．1　存儲資源管理介紹　37
3．2．2　存儲資源管理工具FusionStorage　40
3．3　系統(tǒng)管理　44
3．3．1　系統(tǒng)管理介紹　44
3．3．2　系統(tǒng)管理工具FusionDirector　47
3．4　文檔管理　54
3．4．1　文檔管理介紹　54
3．4．2　運維報告與技術(shù)支持文檔　55
小結(jié)　56
習題　56
第4章　數(shù)據(jù)采集　58
4．1　數(shù)據(jù)采集系統(tǒng)組成與架構(gòu)　58
4．1．1　大數(shù)據(jù)采集與處理　58
4．1．2　大數(shù)據(jù)基礎(chǔ)組件介紹　60
4．1．3　數(shù)據(jù)采集系統(tǒng)架構(gòu)　81
4．1．4　數(shù)據(jù)采集系統(tǒng)基礎(chǔ)配置　83
4．2　數(shù)據(jù)采集流程優(yōu)化和系統(tǒng)維護　85
4．2．1　數(shù)據(jù)采集流程優(yōu)化　85
4．2．2　數(shù)據(jù)采集系統(tǒng)維護　93
小結(jié)　93
習題　93
第5章　數(shù)據(jù)存儲　95
5．1　大數(shù)據(jù)存儲管理　95
5．1．1　存儲系統(tǒng)維護和管理　95
5．1．2　存儲系統(tǒng)優(yōu)化　101
5．2　數(shù)據(jù)庫存儲管理　104
5．2．1　數(shù)據(jù)庫日常監(jiān)控　104
5．2．2　數(shù)據(jù)庫日常運維　106
小結(jié)　112
習題　112
第6章　數(shù)據(jù)處理　114
6．1　ETL數(shù)據(jù)整合　114
6．1．1　ETL常用工具　114
6．1．2　ETL數(shù)據(jù)整合操作　116
6．1．3　ETL任務(wù)流程監(jiān)控、維護和優(yōu)化　123
6．2　數(shù)據(jù)標注和分類　126
6．2．1　圖像數(shù)據(jù)標注　127
6．2．2　文本數(shù)據(jù)標注　129
6．2．3　語音數(shù)據(jù)標注　130
小結(jié)　131
習題　131
第7章　數(shù)據(jù)備份與恢復　132
7．1　數(shù)據(jù)備份概述　132
7．1．1　概念　132
7．1．2　備份組網(wǎng)介紹　133
7．1．3　備份介質(zhì)　136
7．2　備份技術(shù)　138
7．2．1　備份分類　138
7．2．2　高級備份技術(shù)　139
7．2．3　華為OceanStor應(yīng)用實例　145
7．3　備份解決方案　146
7．3．1　常規(guī)備份解決方案組網(wǎng)設(shè)計　147
7．3．2　OceanStor備份解決方案　150
7．4　備份與恢復　153
7．4．1　Linux文件系統(tǒng)備份與恢復　153
7．4．2　OceanStor備份與恢復　155
小結(jié)　160
習題　161
第8章　機器學習基礎(chǔ)算法建?！?62
8．1　機器學習　162
8．1．1　機器學習的相關(guān)名詞解釋　163
8．1．2　機器學習的應(yīng)用領(lǐng)域　165
8．2　分類算法　166
8．2．1　邏輯回歸　167
8．2．2　KNN　169
8．2．3　樸素貝葉斯　171
8．2．4　SVM　172
8．2．5　決策樹　174
8．2．6　多層感知機　175
8．3　回歸算法　177
8．3．1　線性回歸　179
8．3．2　KNN回歸　181
8．3．3　Lasso回歸　182
8．4　集成學習算法　183
8．4．1　Boosting　184
8．4．2　Bagging　187
8．5　聚類算法　189
8．5．1　原型聚類　190
8．5．2　層次聚類　192
8．5．3　密度聚類　193
8．6　關(guān)聯(lián)規(guī)則算法　195
8．6．1　Apriori算法　195
8．6．2　FP-growth算法　197
8．7　智能推薦算法　197
小結(jié)　199
習題　199
第9章　人工智能模型開發(fā)測試　200
9．1　人工智能模型開發(fā)　200
9．1．1　商業(yè)理解　201
9．1．2　數(shù)據(jù)理解　203
9．1．3　數(shù)據(jù)準備　204
9．1．4　數(shù)據(jù)建?！?06
9．1．5　模型評價　208
9．1．6　模型部署　209
9．2　人工智能模型測試　210
9．2．1　測試用例　210
9．2．2　測試方法　212
9．2．3　測試計劃　214
9．2．4　測試報告　215
小結(jié)　218
習題　218