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(wǎng)絡計算

1．2．4對等計算

1．2．5集群計算

1．2．6網(wǎng)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(shù)據(jù)計算

1．3經(jīng)典分布式計算系統(tǒng)(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(tǒng)(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(jié)構

2．3．2數(shù)據(jù)存儲

2．3．3計算模型

2．3．4資源調(diào)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(diào)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(xiàn)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(wǎng)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(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

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習題

4.8參考文獻

第5章基于云計算的大數(shù)據(jù)分析技術

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)處理關鍵技術

5．2．1大數(shù)據(jù)采集

5．2．2大數(shù)據(jù)預處理

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)及應用

5.3大數(shù)據(jù)計算模式

5．3．1MapReduce

5.3.2Spark

5．3．3流式計算

5.4Hadoop大數(shù)據(jù)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?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(shù)據(jù)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(tǒng)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(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算法實踐

6.4百度AI技術體系與產(chǎn)品

6．4．1天智AI平臺技術架構

6．4．2天智AI產(chǎn)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(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(nèi)容

7.7基于百度云BOS的非結(jié)構化數(shù)據(jù)遷移案例

7．7．1背景介紹

7．7．2案例內(nèi)容

7.8習題

7.9參考文獻

第8章基于ANN的數(shù)據(jù)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(shù)據(jù)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(xiàn)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(jié)

8.6參考文獻

第9章基于BP神經(jīng)網(wǎng)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(jīng)網(wǎng)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(xiàn)

9．3．1神經(jīng)網(wǎng)絡的實現(xiàn)與訓練

9．3．2數(shù)據(jù)獲取

9．3．3矩陣運算

9．3．4根據(jù)預測結(jié)果進行開平倉操作

9．4運行過程

9．5總結(jié)