本書是智能計算平臺應(yīng)用開發(fā)中級教材，主要介紹了智能計算平臺搭建、平臺管理、數(shù)據(jù)管理、應(yīng)用開發(fā)等相關(guān)知識。全書共分9章，內(nèi)容包括智能計算平臺應(yīng)用開發(fā)概述、人工智能與平臺搭建、平臺管理、數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)處理、數(shù)據(jù)備份與恢復(fù)、機器學(xué)習(xí)基礎(chǔ)算法建模和人工智能模型開發(fā)測試。
1.教育部“1+X”證書智能計算平臺應(yīng)用開發(fā)官方認(rèn)證教材，3本教材分別對應(yīng)3個級別職業(yè)技能認(rèn)證。
2.依托華為智能計算設(shè)備（ARM服務(wù)器、人工智能服務(wù)器）。
3.理實一體化，案例豐富。
4.產(chǎn)教融合，校企合作共同編寫。
5.配套資源豐富，適合教學(xué)。
華為是全球領(lǐng)先的ICT（信息與通信）基礎(chǔ)設(shè)施和智能終端提供商，致力于把數(shù)字世界帶入每個人、每個家庭、每個組織，構(gòu)建萬物互聯(lián)的智能世界。我們在通信網(wǎng)絡(luò)、IT、智能終端和云服務(wù)等領(lǐng)域為客戶提供有競爭力、安全可信賴的產(chǎn)品、解決方案與服務(wù)，與生態(tài)伙伴開放合作，持續(xù)為客戶創(chuàng)造價值，釋放個人潛能，豐富家庭生活，激發(fā)組織創(chuàng)新。華為堅持圍繞客戶需求持續(xù)創(chuàng)新，加大基礎(chǔ)研究投入，厚積薄發(fā)，推動世界進步。華為成立于1987年，是一家由員工持有全部股份的民營企業(yè)，目前擁有19.4萬員工，業(yè)務(wù)遍及170多個國家和地區(qū)。
第 1章 智能計算平臺應(yīng)用開發(fā)概述 1
1．1 智能計算平臺應(yīng)用開發(fā)技能點簡介 1
1．1．1 初級 1
1．1．2 中級 2
1．1．3 高級 4
1．2 智能計算平臺應(yīng)用開發(fā)的中級知識點概要 5
1．2．1 平臺搭建 5
1．2．2 平臺管理 5
1．2．3 數(shù)據(jù)管理 6
1．2．4 應(yīng)用開發(fā) 7
小結(jié) 8
習(xí)題 8
第 2章 人工智能與平臺搭建 10
2．1 人工智能簡介 10
2．1．1 人工智能發(fā)展 10
2．1．2 大數(shù)據(jù)與人工智能 11
2．1．3 機器學(xué)習(xí)與深度學(xué)習(xí) 12
2．2 集成開發(fā)環(huán)境 13
2．2．1 Anaconda 13
2．2．2 PyCharm 16
2．2．3 Eclipse 21
2．3 常用人工智能開發(fā)框架 25
2．3．1 TensorFlow 26
2．3．2 PyTorch 27
2．3．3 MXNet 28
2．3．4 Caffe 29
2．3．5 MindSpore 30
小結(jié) 30
習(xí)題 31
第3章 平臺管理 32
3．1 服務(wù)器集群管理 32
3．1．1 集群管理介紹 32
3．1．2 集群管理工具簡介 35
3．2 存儲資源管理 37
3．2．1 存儲資源管理介紹 37
3．2．2 存儲資源管理工具FusionStorage 40
3．3 系統(tǒng)管理 44
3．3．1 系統(tǒng)管理介紹 44
3．3．2 系統(tǒng)管理工具FusionDirector 47
3．4 文檔管理 54
3．4．1 文檔管理介紹 54
3．4．2 運維報告與技術(shù)支持文檔 55
小結(jié) 56
習(xí)題 56
第4章 數(shù)據(jù)采集 58
4．1 數(shù)據(jù)采集系統(tǒng)組成與架構(gòu) 58
4．1．1 大數(shù)據(jù)采集與處理 58
4．1．2 大數(shù)據(jù)基礎(chǔ)組件介紹 60
4．1．3 數(shù)據(jù)采集系統(tǒng)架構(gòu) 81
4．1．4 數(shù)據(jù)采集系統(tǒng)基礎(chǔ)配置 83
4．2 數(shù)據(jù)采集流程優(yōu)化和系統(tǒng)維護 85
4．2．1 數(shù)據(jù)采集流程優(yōu)化 85
4．2．2 數(shù)據(jù)采集系統(tǒng)維護 93
小結(jié) 93
習(xí)題 93
第5章 數(shù)據(jù)存儲 95
5．1 大數(shù)據(jù)存儲管理 95
5．1．1 存儲系統(tǒng)維護和管理 95
5．1．2 存儲系統(tǒng)優(yōu)化 101
5．2 數(shù)據(jù)庫存儲管理 104
5．2．1 數(shù)據(jù)庫日常監(jiān)控 104
5．2．2 數(shù)據(jù)庫日常運維 106
小結(jié) 112
習(xí)題 112
第6章 數(shù)據(jù)處理 114
6．1 ETL數(shù)據(jù)整合 114
6．1．1 ETL常用工具 114
6．1．2 ETL數(shù)據(jù)整合操作 116
6．1．3 ETL任務(wù)流程監(jiān)控、維護和優(yōu)化 123
6．2 數(shù)據(jù)標(biāo)注和分類 126
6．2．1 圖像數(shù)據(jù)標(biāo)注 127
6．2．2 文本數(shù)據(jù)標(biāo)注 129
6．2．3 語音數(shù)據(jù)標(biāo)注 130
小結(jié) 131
習(xí)題 131
第7章 數(shù)據(jù)備份與恢復(fù) 132
7．1 數(shù)據(jù)備份概述 132
7．1．1 概念 132
7．1．2 備份組網(wǎng)介紹 133
7．1．3 備份介質(zhì) 136
7．2 備份技術(shù) 138
7．2．1 備份分類 138
7．2．2 高級備份技術(shù) 139
7．2．3 華為OceanStor應(yīng)用實例 145
7．3 備份解決方案 146
7．3．1 常規(guī)備份解決方案組網(wǎng)設(shè)計 147
7．3．2 OceanStor備份解決方案 150
7．4 備份與恢復(fù) 153
7．4．1 Linux文件系統(tǒng)備份與恢復(fù) 153
7．4．2 OceanStor備份與恢復(fù) 155
小結(jié) 160
習(xí)題 161
第8章 機器學(xué)習(xí)基礎(chǔ)算法建�！�162
8．1 機器學(xué)習(xí) 162
8．1．1 機器學(xué)習(xí)的相關(guān)名詞解釋 163
8．1．2 機器學(xué)習(xí)的應(yīng)用領(lǐng)域 165
8．2 分類算法 166
8．2．1 邏輯回歸 167
8．2．2 KNN 169
8．2．3 樸素貝葉斯 171
8．2．4 SVM 172
8．2．5 決策樹 174
8．2．6 多層感知機 175
8．3 回歸算法 177
8．3．1 線性回歸 179
8．3．2 KNN回歸 181
8．3．3 Lasso回歸 182
8．4 集成學(xué)習(xí)算法 183
8．4．1 Boosting 184
8．4．2 Bagging 187
8．5 聚類算法 189
8．5．1 原型聚類 190
8．5．2 層次聚類 192
8．5．3 密度聚類 193
8．6 關(guān)聯(lián)規(guī)則算法 195
8．6．1 Apriori算法 195
8．6．2 FP-growth算法 197
8．7 智能推薦算法 197
小結(jié) 199
習(xí)題 199
第9章 人工智能模型開發(fā)測試 200
9．1 人工智能模型開發(fā) 200
9．1．1 商業(yè)理解 201
9．1．2 數(shù)據(jù)理解 203
9．1．3 數(shù)據(jù)準(zhǔn)備 204
9．1．4 數(shù)據(jù)建模 206
9．1．5 模型評價 208
9．1．6 模型部署 209
9．2 人工智能模型測試 210
9．2．1 測試用例 210
9．2．2 測試方法 212
9．2．3 測試計劃 214
9．2．4 測試報告 215
小結(jié) 218
習(xí)題 218
書單推薦
