未读消息消息

购物车

我的订单

个人中心

店铺

我的订单收藏

拍卖

拍卖交易我的竞拍收藏

我的好友资金账户

卖家中心

客服 |

帮助中心 9:00-20:30 在线留言

客服电话

010-89648155

服务时间

客服咨询 8:00-21:00

纠纷处理 9:00-21:00

图书审核 9:00-18:00

监督与建议

请选择

手机孔网

云计算系统与人工智能应用

作者: [美] 黄铠（Kai Hwang）著 , 杜瑞颖译

出版社: 机械工业出版社

出版时间: 2018-06

版次: 1

ISBN: 9787111598831

定价: 99.00

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 421页

丛书: 计算机科学丛书

分类: 计算机与互联网

33人买过

本书关注云计算、大数据、物联网、认知计算、机器学习的基本原理、智能应用和编程实战，包括AWS、微软Azure云、谷歌DeepMind和寒武纪神经芯片等大量案例。全书共四个部分，部分介绍云计算、数据科学和自适应计算的基本原理，第二部分涵盖云架构、虚拟机、Docker容器和多云混搭服务等，第三部分讲解机器学习、深度学习、类脑计算机和AR/VR等的原理，第四部分讨论MapReduce、Hadoop、Spark、TensorFlow和GraphX云编程。本书适合作为高等院校计算机相关专业高年级本科生和研究生的教材，也适合互联网、物联网等领域的专业技术人员参考。作者简介Cloud Computing for Machine Learning and Cognitive Applications黄铠教授是计算机系统和互联网技术领域的国际知名学者。目前，他是香港中文大学（深圳）校长讲座教授，兼任中国科学院云计算中心首席科学家。他拥有加州大学伯克利分校的博士学位，主要研究领域为计算机体系结构、并行与分布式处理、云计算、大数据、物联网、移动互联网、网络安全与人工智能应用等方面，目前主要关注大数据在医疗保健、智慧城市与移动社交网络方面的应用。
加盟香港中文大学与中国科学院之前，他是美国南加州大学（USC）电子工程与计算机科学系的终身教授，现在已从该校退休。他曾在普渡大学任教多年，并先后在清华大学、香港大学、台湾大学和浙江大学担任特聘讲座教授。他在专业领域发表了260篇科学论文，截至2018年4月在谷歌学术搜索中被引次数超过17400次，h指数为55。他是IEEE计算机协会的终身会士。他于2012年获得国际云计算大会（IEEE CloudCom）终身成就奖，2004年获得中国计算机学会（CCF）首届海外杰出贡献奖。
黄教授创作或合著了10余本英文学术专著，被翻译为五国语言。其中，有5本被翻译为中文，包括清华大学出版社出版的《高等计算机系统结构》（1995），以及机械工业出版社出版的《可扩展并行计算》（2000）、《云计算与分布式系统》（2013）与《认知计算与深度学习：基于物联网云平台的智能应用》（2018）等。这些书与本书是配套的关系。此外，他曾担任《并行与分布式计算》（JPDC）杂志主编28年，还曾担任IEEE《云计算会刊》（TCC）、《并行和分布式系统》（TPDS）、《服务计算》（TSC）以及《大数据智能》杂志的编委。
多年来，黄教授在南加州大学和普渡大学共培养博士生21人，其中4人晋升为IEEE会士，1人为IBM会士。他在IEEE与ACM国际会议和全球领先的大学进行过60多次主题演讲和杰出讲座。他曾在IBM研究院、Intel 公司、富士通研究院、麻省理工学院林肯实验室、加州理工学院喷气推进实验室（JPL）、台湾工业技术研究院（ITRI）、法国国家计算科学研究中心（ENRIA）和中国科学院计算所担任高级顾问或首席科学家。出版者的话
译者序
前言
作者简介
第一部分　云平台、大数据与认知计算
第1章　云计算系统原理 2
1.1　可扩展计算的弹性云系统 2
1.1.1　云计算的驱动技术 2
1.1.2　可扩展的分布式/并行计算的演化 3
1.1.3　云系统中的虚拟资源 5
1.1.4　云计算与本地计算 7
1.2　云平台架构与分布式系统的比较 8
1.2.1　基本云平台的架构 8
1.2.2　公共云、私有云、社区云和混合云 10
1.2.3　物理集群与虚拟集群 12
1.2.4　云与传统并行/分布式系统的比较 14
1.3　云服务模型、生态系统与可扩展性分析 16
1.3.1　云服务模型：IaaS、PaaS和SaaS 16
1.3.2　云性能分析与可扩展性定理 18
1.3.3　云生态系统与用户环境 20
1.3.4　云计算的技术成熟度曲线 23
1.3.5　云计算与其他技术的关系 24
1.4　集群的可用性、移动性和优化 26
1.4.1　云服务器集群的可用性分析 26
1.4.2　虚拟集群操作中的容错 28
1.4.3　云中多服务器集群的排队模型 29
1.4.4　云计算的多服务器集群优化 30
1.5　结论 32
习题 33
参考文献 35
第2章　数据分析、物联网与认知计算 37
2.1　大数据科学与应用面临的挑战 37
2.1.1　数据科学与大数据特征 37
2.1.2　物联网的技术成熟度曲线 38
2.1.3　走向大数据工业 40
2.1.4　大数据应用概述 41
2.2　物联网与云平台的互动模式 44
2.2.1　IoT感知与平台架构 45
2.2.2　IoT价值链与发展路线 47
2.2.3　独立使用和与云平台结合的IoT应用 49
2.2.4　智慧城市与智慧社区的发展 52
2.3　在云平台上的数据收集、挖掘与分析 54
2.3.1　数据质量控制与表达 54
2.3.2　数据挖掘与分析 57
2.3.3　在云平台上提升数据分析能力 59
2.3.4　支撑大数据分析的云资源 61
2.4　神经形态硬件与认知计算 63
2.4.1　认知计算与神经形态处理器 63
2.4.2　IBM SyNAPSE与相关的神经类脑计算机项目 66
2.4.3　中国科学院的神经处理器Cambricon 68
2.4.4　Google TPU与相关的人工智能应用 68
2.5　结论 70
习题 71
参考文献 72
第二部分　云系统架构与服务平台设计
第3章　虚拟机、Docker容器和服务器集群 74
3.1　云计算系统中的虚拟化 74
3.1.1　虚拟化的基本概念 74
3.1.2　虚拟化的实现层级 75
3.1.3　集群或云系统中的资源虚拟化 78
3.2　用于创建虚拟机的虚拟机监控器 79
3.2.1　虚拟机架构类型 79
3.2.2　完全虚拟化和托管虚拟化 81
3.2.3　修改客户操作系统的半虚拟化 83
3.2.4　平台虚拟化软件产品与工具包比较 85
3.3　Docker引擎和应用程序容器 86
3.4　Docker容器和部署要求 89
3.4.1　使用Linux内核函数创建的Docker容器 89
3.4.2　虚拟机与Docker容器的比较 91
3.4.3　从虚拟机到容器和unikernel的架构演变 92
3.5　虚拟机管理和容器编排 94
3.5.1　虚拟机管理解决方案 94
3.5.2　用于灾难恢复的虚拟机迁移 95
3.5.3　Docker容器调度和编排 98
3.6　Eucalyptus、OpenStack和VMware云构建 100
3.6.1　私有云中的Eucalyptus虚拟集群 100
3.6.2　用于构建私有云或公共云的OpenStack软件 102
3.6.3　支持构建混合云的VMware虚拟化 103
3.7　结论 105
习题 105
参考文献 107
第4章　云架构与服务平台设计 109
4.1　云架构与基础设施设计 109
4.1.1　公共云平台及其服务项目 109
4.1.2　云服务的商业模型 111
4.1.3　数据中心到云平台的转换 113
4.1.4　资源弹性配置方法 117
4.2　虚拟集群的动态配置 119
4.2.1　虚拟集群配置项目 119
4.2.2　虚拟集群配置自适应 121
4.2.3　数据中心集群的虚拟化支持 122
4.2.4　VMware vSphere 6：商用云操作系统 123
4.3　AWS云及其服务项目 124
4.3.1　三大云架构与服务融合 124
4.3.2　AWS EC2计算引擎和S3存储云服务 127
4.3.3　其他AWS云服务产品 129
4.4　Google AppEngine与Microsoft Azure 133
4.4.1　Google AppEngine及其计算引擎 133
4.4.2　Google硬件/软件支持下的机器学习服务 137
4.4.3　Microsoft Azure云及其服务项目 138
4.5　Salesforce、IBM SmartCloud及其他云平台 141
4.5.1　用于SaaS服务的Salesforce云平台 141
4.5.2　IBM SmartCloud云平台、物联网及认知项目 143
4.5.3　SGI、NASA和CERN建立的云平台 145
4.6　结论 148
习题 149
参考文献 150
第5章　移动云、物联网、社交媒体与混搭云服务 153
5.1　无线互联网与移动云计算 153
5.1.1　移动设备与边际互联子网 153
5.1.2　WiFi、蓝牙和无线传感器网络 155
5.1.3　移动云计算的微云网 156
5.1.4　移动云与托管云 158
5.2　物联网感知以及与云的交互 160
5.2.1　本地与全球定位系统 161
5.2.2　构建移动云的无线接入网 162
5.2.3　物联网和云的互动框架与设备 164
5.3　社交媒体应用中的云计算 167
5.3.1　社交媒体大数据工业应用 167
5.3.2　社交网络与应用编程接口 170
5.3
内容简介:
本书关注云计算、大数据、物联网、认知计算、机器学习的基本原理、智能应用和编程实战，包括AWS、微软Azure云、谷歌DeepMind和寒武纪神经芯片等大量案例。全书共四个部分，部分介绍云计算、数据科学和自适应计算的基本原理，第二部分涵盖云架构、虚拟机、Docker容器和多云混搭服务等，第三部分讲解机器学习、深度学习、类脑计算机和AR/VR等的原理，第四部分讨论MapReduce、Hadoop、Spark、TensorFlow和GraphX云编程。本书适合作为高等院校计算机相关专业高年级本科生和研究生的教材，也适合互联网、物联网等领域的专业技术人员参考。
作者简介:
作者简介Cloud Computing for Machine Learning and Cognitive Applications黄铠教授是计算机系统和互联网技术领域的国际知名学者。目前，他是香港中文大学（深圳）校长讲座教授，兼任中国科学院云计算中心首席科学家。他拥有加州大学伯克利分校的博士学位，主要研究领域为计算机体系结构、并行与分布式处理、云计算、大数据、物联网、移动互联网、网络安全与人工智能应用等方面，目前主要关注大数据在医疗保健、智慧城市与移动社交网络方面的应用。
加盟香港中文大学与中国科学院之前，他是美国南加州大学（USC）电子工程与计算机科学系的终身教授，现在已从该校退休。他曾在普渡大学任教多年，并先后在清华大学、香港大学、台湾大学和浙江大学担任特聘讲座教授。他在专业领域发表了260篇科学论文，截至2018年4月在谷歌学术搜索中被引次数超过17400次，h指数为55。他是IEEE计算机协会的终身会士。他于2012年获得国际云计算大会（IEEE CloudCom）终身成就奖，2004年获得中国计算机学会（CCF）首届海外杰出贡献奖。
黄教授创作或合著了10余本英文学术专著，被翻译为五国语言。其中，有5本被翻译为中文，包括清华大学出版社出版的《高等计算机系统结构》（1995），以及机械工业出版社出版的《可扩展并行计算》（2000）、《云计算与分布式系统》（2013）与《认知计算与深度学习：基于物联网云平台的智能应用》（2018）等。这些书与本书是配套的关系。此外，他曾担任《并行与分布式计算》（JPDC）杂志主编28年，还曾担任IEEE《云计算会刊》（TCC）、《并行和分布式系统》（TPDS）、《服务计算》（TSC）以及《大数据智能》杂志的编委。
多年来，黄教授在南加州大学和普渡大学共培养博士生21人，其中4人晋升为IEEE会士，1人为IBM会士。他在IEEE与ACM国际会议和全球领先的大学进行过60多次主题演讲和杰出讲座。他曾在IBM研究院、Intel 公司、富士通研究院、麻省理工学院林肯实验室、加州理工学院喷气推进实验室（JPL）、台湾工业技术研究院（ITRI）、法国国家计算科学研究中心（ENRIA）和中国科学院计算所担任高级顾问或首席科学家。
目录:
出版者的话
译者序
前言
作者简介
第一部分　云平台、大数据与认知计算
第1章　云计算系统原理 2
1.1　可扩展计算的弹性云系统 2
1.1.1　云计算的驱动技术 2
1.1.2　可扩展的分布式/并行计算的演化 3
1.1.3　云系统中的虚拟资源 5
1.1.4　云计算与本地计算 7
1.2　云平台架构与分布式系统的比较 8
1.2.1　基本云平台的架构 8
1.2.2　公共云、私有云、社区云和混合云 10
1.2.3　物理集群与虚拟集群 12
1.2.4　云与传统并行/分布式系统的比较 14
1.3　云服务模型、生态系统与可扩展性分析 16
1.3.1　云服务模型：IaaS、PaaS和SaaS 16
1.3.2　云性能分析与可扩展性定理 18
1.3.3　云生态系统与用户环境 20
1.3.4　云计算的技术成熟度曲线 23
1.3.5　云计算与其他技术的关系 24
1.4　集群的可用性、移动性和优化 26
1.4.1　云服务器集群的可用性分析 26
1.4.2　虚拟集群操作中的容错 28
1.4.3　云中多服务器集群的排队模型 29
1.4.4　云计算的多服务器集群优化 30
1.5　结论 32
习题 33
参考文献 35
第2章　数据分析、物联网与认知计算 37
2.1　大数据科学与应用面临的挑战 37
2.1.1　数据科学与大数据特征 37
2.1.2　物联网的技术成熟度曲线 38
2.1.3　走向大数据工业 40
2.1.4　大数据应用概述 41
2.2　物联网与云平台的互动模式 44
2.2.1　IoT感知与平台架构 45
2.2.2　IoT价值链与发展路线 47
2.2.3　独立使用和与云平台结合的IoT应用 49
2.2.4　智慧城市与智慧社区的发展 52
2.3　在云平台上的数据收集、挖掘与分析 54
2.3.1　数据质量控制与表达 54
2.3.2　数据挖掘与分析 57
2.3.3　在云平台上提升数据分析能力 59
2.3.4　支撑大数据分析的云资源 61
2.4　神经形态硬件与认知计算 63
2.4.1　认知计算与神经形态处理器 63
2.4.2　IBM SyNAPSE与相关的神经类脑计算机项目 66
2.4.3　中国科学院的神经处理器Cambricon 68
2.4.4　Google TPU与相关的人工智能应用 68
2.5　结论 70
习题 71
参考文献 72
第二部分　云系统架构与服务平台设计
第3章　虚拟机、Docker容器和服务器集群 74
3.1　云计算系统中的虚拟化 74
3.1.1　虚拟化的基本概念 74
3.1.2　虚拟化的实现层级 75
3.1.3　集群或云系统中的资源虚拟化 78
3.2　用于创建虚拟机的虚拟机监控器 79
3.2.1　虚拟机架构类型 79
3.2.2　完全虚拟化和托管虚拟化 81
3.2.3　修改客户操作系统的半虚拟化 83
3.2.4　平台虚拟化软件产品与工具包比较 85
3.3　Docker引擎和应用程序容器 86
3.4　Docker容器和部署要求 89
3.4.1　使用Linux内核函数创建的Docker容器 89
3.4.2　虚拟机与Docker容器的比较 91
3.4.3　从虚拟机到容器和unikernel的架构演变 92
3.5　虚拟机管理和容器编排 94
3.5.1　虚拟机管理解决方案 94
3.5.2　用于灾难恢复的虚拟机迁移 95
3.5.3　Docker容器调度和编排 98
3.6　Eucalyptus、OpenStack和VMware云构建 100
3.6.1　私有云中的Eucalyptus虚拟集群 100
3.6.2　用于构建私有云或公共云的OpenStack软件 102
3.6.3　支持构建混合云的VMware虚拟化 103
3.7　结论 105
习题 105
参考文献 107
第4章　云架构与服务平台设计 109
4.1　云架构与基础设施设计 109
4.1.1　公共云平台及其服务项目 109
4.1.2　云服务的商业模型 111
4.1.3　数据中心到云平台的转换 113
4.1.4　资源弹性配置方法 117
4.2　虚拟集群的动态配置 119
4.2.1　虚拟集群配置项目 119
4.2.2　虚拟集群配置自适应 121
4.2.3　数据中心集群的虚拟化支持 122
4.2.4　VMware vSphere 6：商用云操作系统 123
4.3　AWS云及其服务项目 124
4.3.1　三大云架构与服务融合 124
4.3.2　AWS EC2计算引擎和S3存储云服务 127
4.3.3　其他AWS云服务产品 129
4.4　Google AppEngine与Microsoft Azure 133
4.4.1　Google AppEngine及其计算引擎 133
4.4.2　Google硬件/软件支持下的机器学习服务 137
4.4.3　Microsoft Azure云及其服务项目 138
4.5　Salesforce、IBM SmartCloud及其他云平台 141
4.5.1　用于SaaS服务的Salesforce云平台 141
4.5.2　IBM SmartCloud云平台、物联网及认知项目 143
4.5.3　SGI、NASA和CERN建立的云平台 145
4.6　结论 148
习题 149
参考文献 150
第5章　移动云、物联网、社交媒体与混搭云服务 153
5.1　无线互联网与移动云计算 153
5.1.1　移动设备与边际互联子网 153
5.1.2　WiFi、蓝牙和无线传感器网络 155
5.1.3　移动云计算的微云网 156
5.1.4　移动云与托管云 158
5.2　物联网感知以及与云的交互 160
5.2.1　本地与全球定位系统 161
5.2.2　构建移动云的无线接入网 162
5.2.3　物联网和云的互动框架与设备 164
5.3　社交媒体应用中的云计算 167
5.3.1　社交媒体大数据工业应用 167
5.3.2　社交网络与应用编程接口 170
5.3

查看详情

云计算系统与人工智能应用

内容简介:

作者简介:

目录: