掃一掃
關注中圖網
官方微博
![機械工業出版社計算機科學叢書云計算系統與人工智能應用/[美]黃鎧](http://image12.bookschina.com/2018/20180305/B7815129.jpg)
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
機械工業出版社計算機科學叢書云計算系統與人工智能應用/[美]黃鎧 版權信息
- ISBN：9787111598831
- 條形碼：9787111598831 ; 978-7-111-59883-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
機械工業出版社計算機科學叢書云計算系統與人工智能應用/[美]黃鎧 本書特色
本書關注云計算、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云、谷歌DeepMind和寒武紀神經芯片等大量案例。全書共四個部分，部分介紹云計算、數據科學和自適應計算的基本原理，第二部分涵蓋云架構、虛擬機、Docker容器和多云混搭服務等，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云編程。本書適合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，也適合互聯網、物聯網等領域的專業技術人員參考。
機械工業出版社計算機科學叢書云計算系統與人工智能應用/[美]黃鎧 內容簡介
本書關注云計算、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云、谷歌DeepMind和寒武紀神經芯片等大量案例。全書共四個部分，部分介紹云計算、數據科學和自適應計算的基本原理，第二部分涵蓋云架構、虛擬機、Docker容器和多云混搭服務等，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云編程。本書適合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，也適合互聯網、物聯網等領域的專業技術人員參考。
機械工業出版社計算機科學叢書云計算系統與人工智能應用/[美]黃鎧 目錄
目 錄
Cloud Computing for Machine Learning and Cognitive Applications
出版者的話
譯者序
前言
作者簡介
**部分 云平臺、大數據與認知計算
第1章 云計算系統原理 2
1.1 可擴展計算的彈性云系統 2
1.1.1 云計算的驅動技術 2
1.1.2 可擴展的分布式/并行計算的演化 3
1.1.3 云系統中的虛擬資源 5
1.1.4 云計算與本地計算 7
1.2 云平臺架構與分布式系統的比較 8
1.2.1 基本云平臺的架構 8
1.2.2 公共云、私有云、社區云和混合云 10
1.2.3 物理集群與虛擬集群 12
1.2.4 云與傳統并行/分布式系統的比較 14
1.3 云服務模型、生態系統與可擴展性分析 16
1.3.1 云服務模型：IaaS、PaaS和SaaS 16
1.3.2 云性能分析與可擴展性定理 18
1.3.3 云生態系統與用戶環境 20
1.3.4 云計算的技術成熟度曲線 23
1.3.5 云計算與其他技術的關系 24
1.4 集群的可用性、移動性和優化 26
1.4.1 云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 云中多服務器集群的排隊模型 29
1.4.4 云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 大數據科學與應用面臨的挑戰 37
2.1.1 數據科學與大數據特征 37
2.1.2 物聯網的技術成熟度曲線 38
2.1.3 走向大數據工業 40
2.1.4 大數據應用概述 41
2.2 物聯網與云平臺的互動模式 44
2.2.1 IoT感知與平臺架構 45
2.2.2 IoT價值鏈與發展路線 47
2.2.3 獨立使用和與云平臺結合的IoT應用 49
2.2.4 智慧城市與智慧社區的發展 52
2.3 在云平臺上的數據收集、挖掘與分析 54
2.3.1 數據質量控制與表達 54
2.3.2 數據挖掘與分析 57
2.3.3 在云平臺上提升數據分析能力 59
2.3.4 支撐大數據分析的云資源 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 云系統架構與服務平臺設計
第3章 虛擬機、Docker容器和服務器集群 74
3.1 云計算系統中的虛擬化 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 集群或云系統中的資源虛擬化 78
3.2 用于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 修改客戶操作系統的半虛擬化 83
3.2.4 平臺虛擬化軟件產品與工具包比較 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 用于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云構建 100
3.6.1 私有云中的Eucalyptus虛擬集群 100
3.6.2 用于構建私有云或公共云的OpenStack軟件 102
3.6.3 支持構建混合云的VMware虛擬化 103
3.7 結論 105
習題 105
參考文獻 107
第4章 云架構與服務平臺設計 109
4.1 云架構與基礎設施設計 109
4.1.1 公共云平臺及其服務項目 109
4.1.2 云服務的商業模型 111
4.1.3 數據中心到云平臺的轉換 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：商用云操作系統 123
4.3 AWS云及其服務項目 124
4.3.1 三大云架構與服務融合 124
4.3.2 AWS EC2計算引擎和S3存儲云服務 127
4.3.3 其他AWS云服務產品 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云及其服務項目 138
4.5 Salesforce、IBM SmartCloud及其他云平臺 141
4.5.1 用于SaaS服務的Salesforce云平臺 141
4.5.2 IBM SmartCloud云平臺、物聯網及認知項目 143
4.5.3 SGI、NASA和CERN建立的云平臺 145
4.6 結論 148
習題 149
參考文獻 150
第5章 移動云、物聯網、社交媒體與混搭云服務 153
5.1 無線互聯網與移動云計算 153
5.1.1 移動設備與邊際互聯子網 153
5.1.2 WiFi、藍牙和無線傳感器網絡 155
5.1.3 移動云計算的微云網 156
5.1.4 移動云與托管云 158
5.2 物聯網感知以及與云的交互 160
5.2.1 本地與全球定位系統 161
5.2.2 構建移動云的無線接入網 162
5.2.3 物聯網和云的互動框架與設備 164
5.3 社交媒體應用中的云計算 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
Cloud Computing for Machine Learning and Cognitive Applications
出版者的話
譯者序
前言
作者簡介
**部分 云平臺、大數據與認知計算
第1章 云計算系統原理 2
1.1 可擴展計算的彈性云系統 2
1.1.1 云計算的驅動技術 2
1.1.2 可擴展的分布式/并行計算的演化 3
1.1.3 云系統中的虛擬資源 5
1.1.4 云計算與本地計算 7
1.2 云平臺架構與分布式系統的比較 8
1.2.1 基本云平臺的架構 8
1.2.2 公共云、私有云、社區云和混合云 10
1.2.3 物理集群與虛擬集群 12
1.2.4 云與傳統并行/分布式系統的比較 14
1.3 云服務模型、生態系統與可擴展性分析 16
1.3.1 云服務模型：IaaS、PaaS和SaaS 16
1.3.2 云性能分析與可擴展性定理 18
1.3.3 云生態系統與用戶環境 20
1.3.4 云計算的技術成熟度曲線 23
1.3.5 云計算與其他技術的關系 24
1.4 集群的可用性、移動性和優化 26
1.4.1 云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 云中多服務器集群的排隊模型 29
1.4.4 云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 大數據科學與應用面臨的挑戰 37
2.1.1 數據科學與大數據特征 37
2.1.2 物聯網的技術成熟度曲線 38
2.1.3 走向大數據工業 40
2.1.4 大數據應用概述 41
2.2 物聯網與云平臺的互動模式 44
2.2.1 IoT感知與平臺架構 45
2.2.2 IoT價值鏈與發展路線 47
2.2.3 獨立使用和與云平臺結合的IoT應用 49
2.2.4 智慧城市與智慧社區的發展 52
2.3 在云平臺上的數據收集、挖掘與分析 54
2.3.1 數據質量控制與表達 54
2.3.2 數據挖掘與分析 57
2.3.3 在云平臺上提升數據分析能力 59
2.3.4 支撐大數據分析的云資源 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 云系統架構與服務平臺設計
第3章 虛擬機、Docker容器和服務器集群 74
3.1 云計算系統中的虛擬化 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 集群或云系統中的資源虛擬化 78
3.2 用于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 修改客戶操作系統的半虛擬化 83
3.2.4 平臺虛擬化軟件產品與工具包比較 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 用于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云構建 100
3.6.1 私有云中的Eucalyptus虛擬集群 100
3.6.2 用于構建私有云或公共云的OpenStack軟件 102
3.6.3 支持構建混合云的VMware虛擬化 103
3.7 結論 105
習題 105
參考文獻 107
第4章 云架構與服務平臺設計 109
4.1 云架構與基礎設施設計 109
4.1.1 公共云平臺及其服務項目 109
4.1.2 云服務的商業模型 111
4.1.3 數據中心到云平臺的轉換 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：商用云操作系統 123
4.3 AWS云及其服務項目 124
4.3.1 三大云架構與服務融合 124
4.3.2 AWS EC2計算引擎和S3存儲云服務 127
4.3.3 其他AWS云服務產品 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云及其服務項目 138
4.5 Salesforce、IBM SmartCloud及其他云平臺 141
4.5.1 用于SaaS服務的Salesforce云平臺 141
4.5.2 IBM SmartCloud云平臺、物聯網及認知項目 143
4.5.3 SGI、NASA和CERN建立的云平臺 145
4.6 結論 148
習題 149
參考文獻 150
第5章 移動云、物聯網、社交媒體與混搭云服務 153
5.1 無線互聯網與移動云計算 153
5.1.1 移動設備與邊際互聯子網 153
5.1.2 WiFi、藍牙和無線傳感器網絡 155
5.1.3 移動云計算的微云網 156
5.1.4 移動云與托管云 158
5.2 物聯網感知以及與云的交互 160
5.2.1 本地與全球定位系統 161
5.2.2 構建移動云的無線接入網 162
5.2.3 物聯網和云的互動框架與設備 164
5.3 社交媒體應用中的云計算 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
展開全部
機械工業出版社計算機科學叢書云計算系統與人工智能應用/[美]黃鎧 作者簡介
作者簡介Cloud Computing for Machine Learning and Cognitive Applications黃鎧教授是計算機系統和互聯網技術領域的國際知名學者。目前，他是香港中文大學（深圳）校長講座教授，兼任中國科學院云計算中心首席科學家。他擁有加州大學伯克利分校的博士學位，主要研究領域為計算機體系結構、并行與分布式處理、云計算、大數據、物聯網、移動互聯網、網絡安全與人工智能應用等方面，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面的應用。
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系的終身教授，現在已從該校退休。他曾在普渡大學任教多年，并先后在清華大學、香港大學、臺灣大學和浙江大學擔任特聘講座教授。他在專業領域發表了260篇科學論文，截至2018年4月在谷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。他于2012年獲得國際云計算大會（IEEE CloudCom）終身成就獎，2004年獲得中國計算機學會（CCF）首屆海外杰出貢獻獎。作者簡介Cloud Computing for Machine Learning and Cognitive Applications黃鎧教授是計算機系統和互聯網技術領域的國際知名學者。目前，他是香港中文大學（深圳）校長講座教授，兼任中國科學院云計算中心首席科學家。他擁有加州大學伯克利分校的博士學位，主要研究領域為計算機體系結構、并行與分布式處理、云計算、大數據、物聯網、移動互聯網、網絡安全與人工智能應用等方面，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面的應用。
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系的終身教授，現在已從該校退休。他曾在普渡大學任教多年，并先后在清華大學、香港大學、臺灣大學和浙江大學擔任特聘講座教授。他在專業領域發表了260篇科學論文，截至2018年4月在谷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。他于2012年獲得國際云計算大會（IEEE CloudCom）終身成就獎，2004年獲得中國計算機學會（CCF）首屆海外杰出貢獻獎。
黃教授創作或合著了10余本英文學術專著，被翻譯為五國語言。其中，有5本被翻譯為中文，包括清華大學出版社出版的《高等計算機系統結構》（1995），以及機械工業出版社出版的《可擴展并行計算》（2000）、《云計算與分布式系統》（2013）與《認知計算與深度學習：基于物聯網云平臺的智能應用》（2018）等。這些書與本書是配套的關系。此外，他曾擔任《并行與分布式計算》（JPDC）雜志主編28年，還曾擔任IEEE《云計算會刊》（TCC）、《并行和分布式系統》（TPDS）、《服務計算》（TSC）以及《大數據智能》雜志的編委。
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多次主題演講和杰出講座。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）、臺灣工業技術研究院（ITRI）、法國國家計算科學研究中心（ENRIA）和中國科學院計算所擔任高級顧問或首席科學家。
書友推薦
- >
羅庸西南聯大授課錄
- >
唐代進士錄
- >
山海經
- >
李白與唐代文化
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
朝聞道
- >
上帝之肋:男人的真實旅程
- >
隨園食單
本類暢銷
