云計算與AI應用技術

第1章分布式計算概論

1．1分布式計算概念

1．1．1定義

1．1．2優(yōu)缺點

1．2分布式計算模式介紹

1．2．1單機計算

1．2．2并行計算

1．2．3網絡計算

1．2．4對等計算

1．2．5集群計算

1．2．6網格計算

1．2．7云計算

1．2．8霧計算

1．2．9邊緣計算

1．2．10移動邊緣計算

1．2．11移動云計算

1．2．12大數據計算

1．3經典分布式計算系統(項目)

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其他的分布式計算系統(項目)

1．4分布式計算編程基礎

1．4．1進程間通信

1．4．2Socket編程

1.5習題

1.6參考文獻

第2章云計算概述與關鍵技術

2.1云計算概述

2．1．1云計算起源

2．1．2云計算定義

2．1．3云計算分類

2.2云計算與相關計算模式的關系

2.3云計算關鍵技術

2．3．1體系結構

2．3．2數據存儲

2．3．3計算模型

2．3．4資源調度

2．3．5虛擬化

2.4容器云技術介紹

2．4．1容器技術原理

2．4．2容器與虛擬機技術分析比較

2.5百度云概述

2.6習題

2.7參考文獻

第3章云計算架構與百度云架構

3．1谷歌云與亞馬遜云架構

3．1．1谷歌云架構

3．1．2亞馬遜云架構

3．2百度云架構

3．2．1百度云架構概述

3．2．2百度云調度技術

3．2．3百度云節(jié)能技術

3．3基于百度云的基礎架構實踐

3．3．1基于百度云實現云上彈性架構

3．3．2基于百度云快速部署Discuz論壇

3.4習題

3.5參考文獻

第4章云存儲技術和百度云存儲

4．1存儲基礎知識

4．1．1網絡存儲

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及核心產品

4．6．1百度云存儲產品體系

4．6．2百度云存儲架構

4．6．3對象存儲BOS

4．6．4云磁盤CDS

4．6．5表格存儲BTS

4．6．6百度網盤

4.7習題

4.8參考文獻

第5章基于云計算的大數據分析技術

5.1大數據背景與概述

5．1．1大數據產生的背景

5．1．2大數據的定義

5．1．3大數據的5V特征

5．1．4大數據發(fā)展趨勢

5.2大數據處理關鍵技術

5．2．1大數據采集

5．2．2大數據預處理

5．2．3大數據存儲及管理

5．2．4大數據分析及挖掘

5．2．5大數據展現及應用

5.3大數據計算模式

5．3．1MapReduce

5.3.2Spark

5．3．3流式計算

5.4Hadoop大數據并行計算編程實踐

5．4．1Hadoop環(huán)境的搭建

5．4．2基于MapReduce程序實例(HDFS)

5．4．3基于MapReduce程序實例(HBase)

5．4．4基于Spark的程序實例

5.5百度大數據平臺技術與服務

5．5．1天算平臺簡介

5．5．2天算平臺架構與服務

5.6百度MapReduce BMR

5．6．1概述

5．6．2技術架構與原理

5．6．3定時分析日志數據實例介紹

5．6．4基于機器學習進行員工離職分析

5.7百度OLAP引擎Palo

5．7．1概述

5．7．2系統架構

5．7．3關鍵特性

5.8百度機器學習BML

5．8．1概述

5．8．2基于BML的應用開發(fā)案例——電影推薦

5.9習題

5.10參考文獻

第6章基于云計算的AI應用技術

6.1AI技術發(fā)展概述

6．1．1人工智能技術流派發(fā)展簡析

6．1．2深度學習帶動當前人工智能發(fā)展

6．1．3問題和趨勢展望

6.2基于深度學習的AI技術

6.3經典AI算法

6．3．1AI算法分類

6．3．2經典AI算法介紹

6．3．3經典AI算法實踐

6.4百度AI技術體系與產品

6．4．1天智AI平臺技術架構

6．4．2天智AI產品技術介紹

6．4．3百度開源深度學習平臺PaddlePaddle

6.5百度AI應用案例

6．5．1百度AI應用開發(fā)方法

6．5．2百度人臉識別應用案例

6．5．3百度語音應用案例

6．5．4百度自然語言處理應用案例

6.6習題

6.7參考文獻

第7章上云遷移技術與案例

7.1上云業(yè)務的背景

7.2云遷移技術概述

7.3上云整體流程

7.4基于百度云的站點平滑上云遷移方案

7．4．1遷移的前提條件

7．4．2數據遷移方式

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實驗內容

7.7基于百度云BOS的非結構化數據遷移案例

7．7．1背景介紹

7．7．2案例內容

7.8習題

7.9參考文獻

第8章基于ANN的數據中心云服務器能耗建模

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設計方案

8．2．1建模的一般流程

8．2．2數據預處理

8．2．3模型的建立及訓練

8．3環(huán)境準備

8．4實現方法

8．4．1單個模型實驗和分析

8．4．2對比實驗和分析

8．4．3模型的開銷對比

8．5總結

8.6參考文獻

第9章基于BP神經網絡的股票量化交易智能策略

9．1基本需求

9．2策略設計

9．2．1神經網絡模型設計

9．2．2模型訓練

9．2．3模型預測

9．2．4開倉操作

9．3具體實現

9．3．1神經網絡的實現與訓練

9．3．2數據獲取

9．3．3矩陣運算

9．3．4根據預測結果進行開平倉操作

9．4運行過程

9．5總結