云計算系統與人工智能應用簡(jiǎn)介，目錄書(shū)摘

內容簡(jiǎn)介:本書(shū)關(guān)注云計算、大數據、物聯(lián)網(wǎng)、認知計算、機器學(xué)習的基本原理、智能應用和編程實(shí)戰，包括AWS、微軟Azure云、谷歌DeepMind和寒武紀神經(jīng)芯片等大量案例。全書(shū)共四個(gè)部分，部分介紹云計算、數據科學(xué)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(wù)等，第三部分講解機器學(xué)習、深度學(xué)習、類(lèi)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(shū)適合作為高等院校計算機相關(guān)專(zhuān)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(zhuān)業(yè)技術(shù)人員參考。

作者簡(jiǎn)介:作者簡(jiǎn)介Cloud Computing for Machine Learning and Cognitive Applications黃鎧教授是計算機系統和互聯(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(cháng)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)域為計算機體系結構、并行與分布式處理、云計算、大數據、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、網(wǎng)絡(luò )安全與人工智能應用等方面，目前主要關(guān)注大數據在醫療保健、智慧城市與移動(dòng)社交網(wǎng)絡(luò )方面的應用。
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）電子工程與計算機科學(xué)系的終身教授，現在已從該校退休。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)擔任特聘講座教授。他在專(zhuān)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)搜索中被引次數超過(guò)17400次，h指數為55。他是IEEE計算機協(xié)會(huì )的終身會(huì )士。他于2012年獲得國際云計算大會(huì )（IEEE CloudCom）終身成就獎，2004年獲得中國計算機學(xué)會(huì )（CCF）首屆海外杰出貢獻獎。
黃教授創(chuàng )作或合著(zhù)了10余本英文學(xué)術(shù)專(zhuān)著(zhù)，被翻譯為五國語(yǔ)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《高等計算機系統結構》（1995），以及機械工業(yè)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(xué)習：基于物聯(lián)網(wǎng)云平臺的智能應用》（2018）等。這些書(shū)與本書(shū)是配套的關(guān)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(huì )刊》（TCC）、《并行和分布式系統》（TPDS）、《服務(wù)計算》（TSC）以及《大數據智能》雜志的編委。
多年來(lái)，黃教授在南加州大學(xué)和普渡大學(xué)共培養博士生21人，其中4人晉升為IEEE會(huì )士，1人為IBM會(huì )士。他在IEEE與ACM國際會(huì )議和全球領(lǐng)先的大學(xué)進(jìn)行過(guò)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(shí)驗室、加州理工學(xué)院噴氣推進(jìn)實(shí)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)院計算所擔任高級顧問(wèn)或首席科學(xué)家。

目錄:出版者的話(huà)
譯者序
前言
作者簡(jiǎn)介
第一部分　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(dòng)技術(shù) 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(wù)模型、生態(tài)系統與可擴展性分析 16
1.3.1　云服務(wù)模型：IaaS、PaaS和SaaS 16
1.3.2　云性能分析與可擴展性定理 18
1.3.3　云生態(tài)系統與用戶(hù)環(huán)境 20
1.3.4　云計算的技術(shù)成熟度曲線(xiàn) 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(dòng)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　結論 32
習題 33
參考文獻 35
第2章　數據分析、物聯(lián)網(wǎng)與認知計算 37
2.1　大數據科學(xué)與應用面臨的挑戰 37
2.1.1　數據科學(xué)與大數據特征 37
2.1.2　物聯(lián)網(wǎng)的技術(shù)成熟度曲線(xiàn) 38
2.1.3　走向大數據工業(yè) 40
2.1.4　大數據應用概述 41
2.2　物聯(lián)網(wǎng)與云平臺的互動(dòng)模式 44
2.2.1　IoT感知與平臺架構 45
2.2.2　IoT價(jià)值鏈與發(fā)展路線(xiàn) 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(fā)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(zhì)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(jīng)形態(tài)硬件與認知計算 63
2.4.1　認知計算與神經(jīng)形態(tài)處理器 63
2.4.2　IBM SyNAPSE與相關(guān)的神經(jīng)類(lèi)腦計算機項目 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(wù)平臺設計
第3章　虛擬機、Docker容器和服務(wù)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(shí)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(chuàng )建虛擬機的虛擬機監控器 79
3.2.1　虛擬機架構類(lèi)型 79
3.2.2　完全虛擬化和托管虛擬化 81
3.2.3　修改客戶(hù)操作系統的半虛擬化 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(chuàng )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(wù)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(wù)項目 109
4.1.2　云服務(wù)的商業(yè)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(dòng)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 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(wù)項目 124
4.3.1　三大云架構與服務(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/軟件支持下的機器學(xué)習服務(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(dòng)云、物聯(lián)網(wǎng)、社交媒體與混搭云服務(wù) 153
5.1　無(wú)線(xiàn)互聯(lián)網(wǎng)與移動(dòng)云計算 153
5.1.1　移動(dòng)設備與邊際互聯(lián)子網(wǎng) 153
5.1.2　WiFi、藍牙和無(wú)線(xiàn)傳感器網(wǎng)絡(luò ) 155
5.1.3　移動(dòng)云計算的微云網(wǎng) 156
5.1.4　移動(dòng)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 161
5.2.2　構建移動(dòng)云的無(wú)線(xiàn)接入網(wǎng) 162
5.2.3　物聯(lián)網(wǎng)和云的互動(dòng)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(yè)應用 167
5.3.2　社交網(wǎng)絡(luò )與應用編程接口 170
5.3