云計(jì)算與AI應(yīng)用技術(shù)

第1章分布式計(jì)算概論

1．1分布式計(jì)算概念

1．1．1定義

1．1．2優(yōu)缺點(diǎn)

1．2分布式計(jì)算模式介紹

1．2．1單機(jī)計(jì)算

1．2．2并行計(jì)算

1．2．3網(wǎng)絡(luò)計(jì)算

1．2．4對等計(jì)算

1．2．5集群計(jì)算

1．2．6網(wǎng)格計(jì)算

1．2．7云計(jì)算

1．2．8霧計(jì)算

1．2．9邊緣計(jì)算

1．2．10移動邊緣計(jì)算

1．2．11移動云計(jì)算

1．2．12大數(shù)據(jù)計(jì)算

1．3經(jīng)典分布式計(jì)算系統(tǒng)(項(xiàng)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其他的分布式計(jì)算系統(tǒng)(項(xiàng)目)

1．4分布式計(jì)算編程基礎(chǔ)

1．4．1進(jìn)程間通信

1．4．2Socket編程

1.5習(xí)題

1.6參考文獻(xiàn)

第2章云計(jì)算概述與關(guān)鍵技術(shù)

2.1云計(jì)算概述

2．1．1云計(jì)算起源

2．1．2云計(jì)算定義

2．1．3云計(jì)算分類

2.2云計(jì)算與相關(guān)計(jì)算模式的關(guān)系

2.3云計(jì)算關(guān)鍵技術(shù)

2．3．1體系結(jié)構(gòu)

2．3．2數(shù)據(jù)存儲

2．3．3計(jì)算模型

2．3．4資源調(diào)度

2．3．5虛擬化

2.4容器云技術(shù)介紹

2．4．1容器技術(shù)原理

2．4．2容器與虛擬機(jī)技術(shù)分析比較

2.5百度云概述

2.6習(xí)題

2.7參考文獻(xiàn)

第3章云計(jì)算架構(gòu)與百度云架構(gòu)

3．1谷歌云與亞馬遜云架構(gòu)

3．1．1谷歌云架構(gòu)

3．1．2亞馬遜云架構(gòu)

3．2百度云架構(gòu)

3．2．1百度云架構(gòu)概述

3．2．2百度云調(diào)度技術(shù)

3．2．3百度云節(jié)能技術(shù)

3．3基于百度云的基礎(chǔ)架構(gòu)實(shí)踐

3．3．1基于百度云實(shí)現(xiàn)云上彈性架構(gòu)

3．3．2基于百度云快速部署Discuz論壇

3.4習(xí)題

3.5參考文獻(xiàn)

第4章云存儲技術(shù)和百度云存儲

4．1存儲基礎(chǔ)知識

4．1．1網(wǎng)絡(luò)存儲

4．1．2RAID

4．1．3快照

4．1．4分級存儲

4．2分布式塊存儲

4．3分布式文件存儲

4．4分布式對象存儲

4．5分布式表存儲

4．6百度云存儲技術(shù)及核心產(chǎn)品

4．6．1百度云存儲產(chǎn)品體系

4．6．2百度云存儲架構(gòu)

4．6．3對象存儲BOS

4．6．4云磁盤CDS

4．6．5表格存儲BTS

4．6．6百度網(wǎng)盤

4.7習(xí)題

4.8參考文獻(xiàn)

第5章基于云計(jì)算的大數(shù)據(jù)分析技術(shù)

5.1大數(shù)據(jù)背景與概述

5．1．1大數(shù)據(jù)產(chǎn)生的背景

5．1．2大數(shù)據(jù)的定義

5．1．3大數(shù)據(jù)的5V特征

5．1．4大數(shù)據(jù)發(fā)展趨勢

5.2大數(shù)據(jù)處理關(guān)鍵技術(shù)

5．2．1大數(shù)據(jù)采集

5．2．2大數(shù)據(jù)預(yù)處理

5．2．3大數(shù)據(jù)存儲及管理

5．2．4大數(shù)據(jù)分析及挖掘

5．2．5大數(shù)據(jù)展現(xiàn)及應(yīng)用

5.3大數(shù)據(jù)計(jì)算模式

5．3．1MapReduce

5.3.2Spark

5．3．3流式計(jì)算

5.4Hadoop大數(shù)據(jù)并行計(jì)算編程實(shí)踐

5．4．1Hadoop環(huán)境的搭建

5．4．2基于MapReduce程序?qū)嵗?HDFS)

5．4．3基于MapReduce程序?qū)嵗?HBase)

5．4．4基于Spark的程序?qū)嵗?/p>

5.5百度大數(shù)據(jù)平臺技術(shù)與服務(wù)

5．5．1天算平臺簡介

5．5．2天算平臺架構(gòu)與服務(wù)

5.6百度MapReduce BMR

5．6．1概述

5．6．2技術(shù)架構(gòu)與原理

5．6．3定時分析日志數(shù)據(jù)實(shí)例介紹

5．6．4基于機(jī)器學(xué)習(xí)進(jìn)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(tǒng)架構(gòu)

5．7．3關(guān)鍵特性

5.8百度機(jī)器學(xué)習(xí)BML

5．8．1概述

5．8．2基于BML的應(yīng)用開發(fā)案例——電影推薦

5.9習(xí)題

5.10參考文獻(xiàn)

第6章基于云計(jì)算的AI應(yīng)用技術(shù)

6.1AI技術(shù)發(fā)展概述

6．1．1人工智能技術(shù)流派發(fā)展簡析

6．1．2深度學(xué)習(xí)帶動當(dāng)前人工智能發(fā)展

6．1．3問題和趨勢展望

6.2基于深度學(xué)習(xí)的AI技術(shù)

6.3經(jīng)典AI算法

6．3．1AI算法分類

6．3．2經(jīng)典AI算法介紹

6．3．3經(jīng)典AI算法實(shí)踐

6.4百度AI技術(shù)體系與產(chǎn)品

6．4．1天智AI平臺技術(shù)架構(gòu)

6．4．2天智AI產(chǎn)品技術(shù)介紹

6．4．3百度開源深度學(xué)習(xí)平臺PaddlePaddle

6.5百度AI應(yīng)用案例

6．5．1百度AI應(yīng)用開發(fā)方法

6．5．2百度人臉識別應(yīng)用案例

6．5．3百度語音應(yīng)用案例

6．5．4百度自然語言處理應(yīng)用案例

6.6習(xí)題

6.7參考文獻(xiàn)

第7章上云遷移技術(shù)與案例

7.1上云業(yè)務(wù)的背景

7.2云遷移技術(shù)概述

7.3上云整體流程

7.4基于百度云的站點(diǎn)平滑上云遷移方案

7．4．1遷移的前提條件

7．4．2數(shù)據(jù)遷移方式

7．4．3遷移方案

7．4．4遷移后續(xù)工作

7.5基于百度云的站點(diǎn)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基于百度云BCC、RDS的Wordpress上云遷移案例

7．6．1背景介紹

7．6．2實(shí)驗(yàn)內(nèi)容

7.7基于百度云BOS的非結(jié)構(gòu)化數(shù)據(jù)遷移案例

7．7．1背景介紹

7．7．2案例內(nèi)容

7.8習(xí)題

7.9參考文獻(xiàn)

第8章基于ANN的數(shù)據(jù)中心云服務(wù)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(shè)計(jì)方案

8．2．1建模的一般流程

8．2．2數(shù)據(jù)預(yù)處理

8．2．3模型的建立及訓(xùn)練

8．3環(huán)境準(zhǔn)備

8．4實(shí)現(xiàn)方法

8．4．1單個模型實(shí)驗(yàn)和分析

8．4．2對比實(shí)驗(yàn)和分析

8．4．3模型的開銷對比

8．5總結(jié)

8.6參考文獻(xiàn)

第9章基于BP神經(jīng)網(wǎng)絡(luò)的股票量化交易智能策略

9．1基本需求

9．2策略設(shè)計(jì)

9．2．1神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)

9．2．2模型訓(xùn)練

9．2．3模型預(yù)測

9．2．4開倉操作

9．3具體實(shí)現(xiàn)

9．3．1神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)與訓(xùn)練

9．3．2數(shù)據(jù)獲取

9．3．3矩陣運(yùn)算

9．3．4根據(jù)預(yù)測結(jié)果進(jìn)行開平倉操作

9．4運(yùn)行過程

9．5總結(jié)