智能计算平台应用开发（中级）

定　价：¥49.80

作　者：	华为技术有限公司著
出版社：	人民邮电出版社
丛编项：
标　签：	暂缺

购买这本书可以去

京东 (¥49.80)

ISBN：	9787115538987	出版时间：	2020-08-01	包装：	平装
开本：	16开	页数：	250	字数：

内容简介

　　本书是智能计算平台应用开发中级教材，主要介绍了智能计算平台搭建、平台管理、数据管理、应用开发等相关知识。全书共分9章，内容包括智能计算平台应用开发概述、人工智能与平台搭建、平台管理、数据采集、数据存储、数据处理、数据备份与恢复、机器学习基础算法建模和人工智能模型开发测试。

作者简介

　　华为是全球领先的ICT（信息与通信）基础设施和智能终端提供商，致力于把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界。我们在通信网络、IT、智能终端和云服务等领域为客户提供有竞争力、安全可信赖的产品、解决方案与服务，与生态伙伴开放合作，持续为客户创造价值，释放个人潜能，丰富家庭生活，激发组织创新。华为坚持围绕客户需求持续创新，加大基础研究投入，厚积薄发，推动世界进步。华为成立于1987年，是一家由员工持有全部股份的民营企业，目前拥有19.4万员工，业务遍及170多个国家和地区。

图书目录

第 1章　智能计算平台应用开发概述　1
1．1　智能计算平台应用开发技能点简介　1
1．1．1　初级　1
1．1．2　中级　2
1．1．3　高级　4
1．2　智能计算平台应用开发的中级知识点概要　5
1．2．1　平台搭建　5
1．2．2　平台管理　5
1．2．3　数据管理　6
1．2．4　应用开发　7
小结　8
习题　8
第　2章人工智能与平台搭建　10
2．1　人工智能简介　10
2．1．1　人工智能发展　10
2．1．2　大数据与人工智能　11
2．1．3　机器学习与深度学习　12
2．2　集成开发环境　13
2．2．1　Anaconda　13
2．2．2　PyCharm　16
2．2．3　Eclipse　21
2．3　常用人工智能开发框架　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
小结　30
习题　31
第3章　平台管理　32
3．1　服务器集群管理　32
3．1．1　集群管理介绍　32
3．1．2　集群管理工具简介　35
3．2　存储资源管理　37
3．2．1　存储资源管理介绍　37
3．2．2　存储资源管理工具FusionStorage　40
3．3　系统管理　44
3．3．1　系统管理介绍　44
3．3．2　系统管理工具FusionDirector　47
3．4　文档管理　54
3．4．1　文档管理介绍　54
3．4．2　运维报告与技术支持文档　55
小结　56
习题　56
第4章　数据采集　58
4．1　数据采集系统组成与架构　58
4．1．1　大数据采集与处理　58
4．1．2　大数据基础组件介绍　60
4．1．3　数据采集系统架构　81
4．1．4　数据采集系统基础配置　83
4．2　数据采集流程优化和系统维护　85
4．2．1　数据采集流程优化　85
4．2．2　数据采集系统维护　93
小结　93
习题　93
第5章　数据存储　95
5．1　大数据存储管理　95
5．1．1　存储系统维护和管理　95
5．1．2　存储系统优化　101
5．2　数据库存储管理　104
5．2．1　数据库日常监控　104
5．2．2　数据库日常运维　106
小结　112
习题　112
第6章　数据处理　114
6．1　ETL数据整合　114
6．1．1　ETL常用工具　114
6．1．2　ETL数据整合操作　116
6．1．3　ETL任务流程监控、维护和优化　123
6．2　数据标注和分类　126
6．2．1　图像数据标注　127
6．2．2　文本数据标注　129
6．2．3　语音数据标注　130
小结　131
习题　131
第7章　数据备份与恢复　132
7．1　数据备份概述　132
7．1．1　概念　132
7．1．2　备份组网介绍　133
7．1．3　备份介质　136
7．2　备份技术　138
7．2．1　备份分类　138
7．2．2　高级备份技术　139
7．2．3　华为OceanStor应用实例　145
7．3　备份解决方案　146
7．3．1　常规备份解决方案组网设计　147
7．3．2　OceanStor备份解决方案　150
7．4　备份与恢复　153
7．4．1　Linux文件系统备份与恢复　153
7．4．2　OceanStor备份与恢复　155
小结　160
习题　161
第8章　机器学习基础算法建模　162
8．1　机器学习　162
8．1．1　机器学习的相关名词解释　163
8．1．2　机器学习的应用领域　165
8．2　分类算法　166
8．2．1　逻辑回归　167
8．2．2　KNN　169
8．2．3　朴素贝叶斯　171
8．2．4　SVM　172
8．2．5　决策树　174
8．2．6　多层感知机　175
8．3　回归算法　177
8．3．1　线性回归　179
8．3．2　KNN回归　181
8．3．3　Lasso回归　182
8．4　集成学习算法　183
8．4．1　Boosting　184
8．4．2　Bagging　187
8．5　聚类算法　189
8．5．1　原型聚类　190
8．5．2　层次聚类　192
8．5．3　密度聚类　193
8．6　关联规则算法　195
8．6．1　Apriori算法　195
8．6．2　FP-growth算法　197
8．7　智能推荐算法　197
小结　199
习题　199
第9章　人工智能模型开发测试　200
9．1　人工智能模型开发　200
9．1．1　商业理解　201
9．1．2　数据理解　203
9．1．3　数据准备　204
9．1．4　数据建模　206
9．1．5　模型评价　208
9．1．6　模型部署　209
9．2　人工智能模型测试　210
9．2．1　测试用例　210
9．2．2　测试方法　212
9．2．3　测试计划　214
9．2．4　测试报告　215
小结　218
习题　218