云計算系統(tǒng)與人工智能應(yīng)用

定　價：￥99.00

作　者：	[美] 黃鎧（Kai Hwang）著，杜瑞穎譯
出版社：	機(jī)械工業(yè)出版社
叢編項：	計算機(jī)科學(xué)叢書
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111598831	出版時間：	2018-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	421	字?jǐn)?shù)：

內(nèi)容簡介

　　本書關(guān)注云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、認(rèn)知計算、機(jī)器學(xué)習(xí)的基本原理、智能應(yīng)用和編程實戰(zhàn)，包括AWS、微軟Azure云、谷歌DeepMind和寒武紀(jì)神經(jīng)芯片等大量案例。全書共四個部分，部分介紹云計算、數(shù)據(jù)科學(xué)和自適應(yīng)計算的基本原理，第二部分涵蓋云架構(gòu)、虛擬機(jī)、Docker容器和多云混搭服務(wù)等，第三部分講解機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、類腦計算機(jī)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(jī)相關(guān)專業(yè)高年級本科生和研究生的教材，也適合互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等領(lǐng)域的專業(yè)技術(shù)人員參考。

作者簡介

　　作者簡介Cloud Computing for Machine Learning and Cognitive Applications黃鎧教授是計算機(jī)系統(tǒng)和互聯(lián)網(wǎng)技術(shù)領(lǐng)域的國際知名學(xué)者。目前，他是香港中文大學(xué)（深圳）校長講座教授，兼任中國科學(xué)院云計算中心首席科學(xué)家。他擁有加州大學(xué)伯克利分校的博士學(xué)位，主要研究領(lǐng)域為計算機(jī)體系結(jié)構(gòu)、并行與分布式處理、云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、網(wǎng)絡(luò)安全與人工智能應(yīng)用等方面，目前主要關(guān)注大數(shù)據(jù)在醫(yī)療保健、智慧城市與移動社交網(wǎng)絡(luò)方面的應(yīng)用。加盟香港中文大學(xué)與中國科學(xué)院之前，他是美國南加州大學(xué)（USC）電子工程與計算機(jī)科學(xué)系的終身教授，現(xiàn)在已從該校退休。他曾在普渡大學(xué)任教多年，并先后在清華大學(xué)、香港大學(xué)、臺灣大學(xué)和浙江大學(xué)擔(dān)任特聘講座教授。他在專業(yè)領(lǐng)域發(fā)表了260篇科學(xué)論文，截至2018年4月在谷歌學(xué)術(shù)搜索中被引次數(shù)超過17400次，h指數(shù)為55。他是IEEE計算機(jī)協(xié)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(jī)學(xué)會（CCF）首屆海外杰出貢獻(xiàn)獎。黃教授創(chuàng)作或合著了10余本英文學(xué)術(shù)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(xué)出版社出版的《高等計算機(jī)系統(tǒng)結(jié)構(gòu)》（1995），以及機(jī)械工業(yè)出版社出版的《可擴(kuò)展并行計算》（2000）、《云計算與分布式系統(tǒng)》（2013）與《認(rèn)知計算與深度學(xué)習(xí)：基于物聯(lián)網(wǎng)云平臺的智能應(yīng)用》（2018）等。這些書與本書是配套的關(guān)系。此外，他曾擔(dān)任《并行與分布式計算》（JPDC）雜志主編28年，還曾擔(dān)任IEEE《云計算會刊》（TCC）、《并行和分布式系統(tǒng)》（TPDS）、《服務(wù)計算》（TSC）以及《大數(shù)據(jù)智能》雜志的編委。多年來，黃教授在南加州大學(xué)和普渡大學(xué)共培養(yǎng)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(lǐng)先的大學(xué)進(jìn)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(xué)院林肯實驗室、加州理工學(xué)院噴氣推進(jìn)實驗室（JPL）、臺灣工業(yè)技術(shù)研究院（ITRI）、法國國家計算科學(xué)研究中心（ENRIA）和中國科學(xué)院計算所擔(dān)任高級顧問或首席科學(xué)家。

圖書目錄

目　　錄
Cloud Computing for Machine Learning and Cognitive Applications
出版者的話
譯者序
前言
作者簡介
第一部分　云平臺、大數(shù)據(jù)與認(rèn)知計算
第1章　云計算系統(tǒng)原理 2
1.1　可擴(kuò)展計算的彈性云系統(tǒng) 2
1.1.1　云計算的驅(qū)動技術(shù) 2
1.1.2　可擴(kuò)展的分布式/并行計算的演化 3
1.1.3　云系統(tǒng)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(gòu)與分布式系統(tǒng)的比較 8
1.2.1　基本云平臺的架構(gòu) 8
1.2.2　公共云、私有云、社區(qū)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(tǒng)并行/分布式系統(tǒng)的比較 14
1.3　云服務(wù)模型、生態(tài)系統(tǒng)與可擴(kuò)展性分析 16
1.3.1　云服務(wù)模型：IaaS、PaaS和SaaS 16
1.3.2　云性能分析與可擴(kuò)展性定理 18
1.3.3　云生態(tài)系統(tǒng)與用戶環(huán)境 20
1.3.4　云計算的技術(shù)成熟度曲線 23
1.3.5　云計算與其他技術(shù)的關(guān)系 24
1.4　集群的可用性、移動性和優(yōu)化 26
1.4.1　云服務(wù)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(wù)器集群的排隊模型 29
1.4.4　云計算的多服務(wù)器集群優(yōu)化 30
1.5　結(jié)論 32
習(xí)題 33
參考文獻(xiàn) 35
第2章　數(shù)據(jù)分析、物聯(lián)網(wǎng)與認(rèn)知計算 37
2.1　大數(shù)據(jù)科學(xué)與應(yīng)用面臨的挑戰(zhàn) 37
2.1.1　數(shù)據(jù)科學(xué)與大數(shù)據(jù)特征 37
2.1.2　物聯(lián)網(wǎng)的技術(shù)成熟度曲線 38
2.1.3　走向大數(shù)據(jù)工業(yè) 40
2.1.4　大數(shù)據(jù)應(yīng)用概述 41
2.2　物聯(lián)網(wǎng)與云平臺的互動模式 44
2.2.1　IoT感知與平臺架構(gòu) 45
2.2.2　IoT價值鏈與發(fā)展路線 47
2.2.3　獨立使用和與云平臺結(jié)合的IoT應(yīng)用 49
2.2.4　智慧城市與智慧社區(qū)的發(fā)展 52
2.3　在云平臺上的數(shù)據(jù)收集、挖掘與分析 54
2.3.1　數(shù)據(jù)質(zhì)量控制與表達(dá) 54
2.3.2　數(shù)據(jù)挖掘與分析 57
2.3.3　在云平臺上提升數(shù)據(jù)分析能力 59
2.3.4　支撐大數(shù)據(jù)分析的云資源 61
2.4　神經(jīng)形態(tài)硬件與認(rèn)知計算 63
2.4.1　認(rèn)知計算與神經(jīng)形態(tài)處理器 63
2.4.2　IBM SyNAPSE與相關(guān)的神經(jīng)類腦計算機(jī)項目 66
2.4.3　中國科學(xué)院的神經(jīng)處理器Cambricon 68
2.4.4　Google TPU與相關(guān)的人工智能應(yīng)用 68
2.5　結(jié)論 70
習(xí)題 71
參考文獻(xiàn) 72
第二部分　云系統(tǒng)架構(gòu)與服務(wù)平臺設(shè)計
第3章　虛擬機(jī)、Docker容器和服務(wù)器集群 74
3.1　云計算系統(tǒng)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(xiàn)層級 75
3.1.3　集群或云系統(tǒng)中的資源虛擬化 78
3.2　用于創(chuàng)建虛擬機(jī)的虛擬機(jī)監(jiān)控器 79
3.2.1　虛擬機(jī)架構(gòu)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(tǒng)的半虛擬化 83
3.2.4　平臺虛擬化軟件產(chǎn)品與工具包比較 85
3.3　Docker引擎和應(yīng)用程序容器 86
3.4　Docker容器和部署要求 89
3.4.1　使用Linux內(nèi)核函數(shù)創(chuàng)建的Docker容器 89
3.4.2　虛擬機(jī)與Docker容器的比較 91
3.4.3　從虛擬機(jī)到容器和unikernel的架構(gòu)演變 92
3.5　虛擬機(jī)管理和容器編排 94
3.5.1　虛擬機(jī)管理解決方案 94
3.5.2　用于災(zāi)難恢復(fù)的虛擬機(jī)遷移 95
3.5.3　Docker容器調(diào)度和編排 98
3.6　Eucalyptus、OpenStack和VMware云構(gòu)建 100
3.6.1　私有云中的Eucalyptus虛擬集群 100
3.6.2　用于構(gòu)建私有云或公共云的OpenStack軟件 102
3.6.3　支持構(gòu)建混合云的VMware虛擬化 103
3.7　結(jié)論 105
習(xí)題 105
參考文獻(xiàn) 107
第4章　云架構(gòu)與服務(wù)平臺設(shè)計 109
4.1　云架構(gòu)與基礎(chǔ)設(shè)施設(shè)計 109
4.1.1　公共云平臺及其服務(wù)項目 109
4.1.2　云服務(wù)的商業(yè)模型 111
4.1.3　數(shù)據(jù)中心到云平臺的轉(zhuǎn)換 113
4.1.4　資源彈性配置方法 117
4.2　虛擬集群的動態(tài)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(yīng) 121
4.2.3　數(shù)據(jù)中心集群的虛擬化支持 122
4.2.4　VMware vSphere 6：商用云操作系統(tǒng) 123
4.3　AWS云及其服務(wù)項目 124
4.3.1　三大云架構(gòu)與服務(wù)融合 124
4.3.2　AWS EC2計算引擎和S3存儲云服務(wù) 127
4.3.3　其他AWS云服務(wù)產(chǎn)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(jī)器學(xué)習(xí)服務(wù) 137
4.4.3　Microsoft Azure云及其服務(wù)項目 138
4.5　Salesforce、IBM SmartCloud及其他云平臺 141
4.5.1　用于SaaS服務(wù)的Salesforce云平臺 141
4.5.2　IBM SmartCloud云平臺、物聯(lián)網(wǎng)及認(rèn)知項目 143
4.5.3　SGI、NASA和CERN建立的云平臺 145
4.6　結(jié)論 148
習(xí)題 149
參考文獻(xiàn) 150
第5章　移動云、物聯(lián)網(wǎng)、社交媒體與混搭云服務(wù) 153
5.1　無線互聯(lián)網(wǎng)與移動云計算 153
5.1.1　移動設(shè)備與邊際互聯(lián)子網(wǎng) 153
5.1.2　WiFi、藍(lán)牙和無線傳感器網(wǎng)絡(luò) 155
5.1.3　移動云計算的微云網(wǎng) 156
5.1.4　移動云與托管云 158
5.2　物聯(lián)網(wǎng)感知以及與云的交互 160
5.2.1　本地與全球定位系統(tǒng) 161
5.2.2　構(gòu)建移動云的無線接入網(wǎng) 162
5.2.3　物聯(lián)網(wǎng)和云的互動框架與設(shè)備 164
5.3　社交媒體應(yīng)用中的云計算 167
5.3.1　社交媒體大數(shù)據(jù)工業(yè)應(yīng)用 167
5.3.2　社交網(wǎng)絡(luò)與應(yīng)用編程接口 170
5.3