智能計算平臺應(yīng)用開發(fā)（中級）

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(jī)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(hù)　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(hù)　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(hù)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(hù)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(jī)器學(xué)習(xí)基礎(chǔ)算法建?！?62
8．1　機(jī)器學(xué)習(xí)　162
8．1．1　機(jī)器學(xué)習(xí)的相關(guān)名詞解釋　163
8．1．2　機(jī)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(jī)　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?！?06
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