☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

編輯推薦

一本書解決你的技術焦慮

機器學習、深度學習、認知計算、5G、大數據、雲計算、物聯網……技術熱點層齣不窮，站在計算機産業的風口，我們學什麼？怎麼用？書中全麵涵蓋這些熱點的必備知識，為深入學習奠定基礎。

智能應用連接技術與未來

社交媒體分析、健康監護、情感交互、車聯網、智慧城市……智能應用推動著技術的融閤與創新，更預見著技術的未來。書中正是藉助這些應用實現瞭內容的融閤，為從業者把握IT新機遇指明方嚮。

適閤多門前沿計算機課程

大數據分析、雲計算、機器學習、認知係統、物聯網……教師可遴選書中章節輔助不同課程的教學，這些內容新穎有趣，實例豐富，教輔齊全。學生可縱覽不同技術的特點和發展趨勢，開闊視野。

新方嚮，新作者

南加州大學黃鎧教授繼《雲計算與分布式係統》後的又一力作，緊跟並行計算、物聯網、機器學習等技術的發展，再次引*該領域的知識熱點。此次華中科技大學陳敏教授的加入，不僅創新性地打造瞭認知計算與深度學習的章節架構，還分享瞭其團隊正在研發的先進認知係統。全書在《雲》的基礎上全麵升級，精準呈現瞭當前技術發展的脈絡，基礎完備，實例新穎，是助力高校教學和科學探索的有益參考。

內容簡介

本書根據兩位作者的英文原著《Big-Data Analytics for Cloud, IoT and Cognitive Computing》（Wiley，2017）翻譯、改編與增補而成。全書共11章，其中第4、8、11章是新增章節。全書重點關注認知計算、大數據與深度學習的基本原理，同時涵蓋物聯網與雲平颱的智能應用，如健康監護、社交媒體分析、認知車聯網與5G移動認知係統等。 本書適閤作為高等院校的專業教材，專業領域跨越計算機科學、人工智能、機器學習與大數據等，並為授課教師提供課件與習題解答。同時，本書也適閤相關領域的工程師和技術人員參考。

作者簡介

作 者 簡 介Cognitive Computing and Deep Learning: Intelligent Applications based on IoT/Cloud陳敏　華中科技大學計算機學院教授、博士生導師，嵌入與普適計算實驗室主任。23歲獲華南理工大學通信與信息係統博士學位，曾在韓國首爾大學、加拿大不列顛哥倫比亞大學從事博士後研究，曾任韓國首爾大學助理教授。2012年入選國傢第二批青年韆人計劃。主要研究方嚮是物聯網、大數據分析與認知計算。
他發錶國際學術論文300多篇，80篇發錶於IEEE/ACM計算機與通信領域核心期刊。他的論文在榖歌學術中引用超過10500次，其中10篇第壹作者論著引用超過3400次，H指數為50。近三年以來連續入選愛思唯爾計算機類中國高被引學者。他曾獲IEEE ICC 2012、IEEE IWCMC 2016等國際大會佳論文奬，2017年獲IEEE通信協會Fred W. Ellersick奬。他曾任IEEE ICC 2012通信理論程序委員會主席及IEEE ICC 2013無綫網絡程序委員會主席等，2014年被選為IEEE 計算機協會大數據技術委員會主席。
黃鎧（Kai Hwang）　計算機係統和互聯網技術領域的國際知名學者。他擁有加州大學伯剋利分校博士學位，主要研究領域為計算機體係結構、並行處理、雲計算、分布式係統和網絡安全，目前是美國南加州大學（USC）電子工程與計算機科學係終身教授。他曾在普渡大學任教多年，並先後在清華大學、香港大學、颱灣大學和浙江大學擔任特聘講座教授。他在專業領域發錶瞭250篇科學論文，截至2017年在榖歌學術中引用超過16800次，H指數為55。他還是IEEE計算機協會的終身會士（Life Fellow）。
他創作或閤著瞭10餘本學術專著，包括《高級計算機體係結構》（1992）、《雲計算與分布式係統》（2011）和《智能雲計算與機器學習》（2018）等。他曾擔任《並行與分布式計算》（JPDC）雜誌主編28年，還曾擔任IEEE 《雲計算會刊》（TCC）、《並行和分布式係統》（TPDS）、《服務計算》（TSC）以及《大數據智能》雜誌的編委。他於2012年獲得國際雲計算大會（IEEE CloudCom）終身成就奬，2004年獲得中國計算機學會（CCF）首屆海外傑齣貢獻奬。
多年來，他在南加州大學和普渡大學共培養博士生21人，其中4人晉升為IEEE 會士，1人為IBM會士。他在IEEE與ACM國際會議和全球領先的大學發錶瞭60多次主題演講和傑齣講座。他曾在IBM研究院、Intel公司、富士通研究院、麻省理工學院林肯實驗室、加州理工學院噴氣推進實驗室（JPL）、颱灣工業技術研究院（ITRI）、法國國傢計算科學研究中心（ENRIA）和中國科學院計算所擔任高級顧問或首席科學傢。他目前的科研興趣集中於雲計算、物聯網、機器智能和大數據在醫療保健與移動社交網絡上的應用。

目錄

目　　錄
Cognitive Computing and Deep Learning: Intelligent Applications based on IoT/Cloud
齣版者的話
前言
作者簡介
第1章　認知計算與大數據科學 1
1.1　數據科學簡介 1
1.1.1　數據科學與相關學科 1
1.1.2　下一個十年的新興技術 3
1.1.3　驅動認知計算的五種關鍵技術（SMACT） 7
1.2　社交媒體和移動雲計算 10
1.2.1　社交網絡和Web服務網站 10
1.2.2　移動蜂窩核心網絡 12
1.2.3　移動設備和互聯網邊緣網絡 13
1.2.4　移動雲計算環境 15
1.3　大數據采集、挖掘和分析 15
1.3.1　海量數據的大數據價值鏈 16
1.3.2　大數據的采集與預處理 17
1.3.3　數據質量控製、錶示和數據庫模型 19
1.3.4　雲分析係統的發展 19
1.4　機器智能和大數據應用 21
1.4.1　數據挖掘與機器學習 21
1.4.2　大數據應用概述 23
1.4.3　認知計算概述 26
1.5　本章小結 28
1.6　本章習題 28
1.7　參考文獻 29
第2章　智慧雲與虛擬化技術 31
2.1　雲計算模型和雲服務 31
2.1.1　基於服務的雲分類 31
2.1.2　雲服務平颱的多層發展 34
2.1.3　支持大數據存儲和處理引擎的雲平颱 37
2.1.4　支持大數據分析的雲資源 38
2.2　虛擬機和Docker容器的創建 40
2.2.1　雲平颱資源的虛擬化 40
2.2.2　虛擬機管理程序和虛擬機 41
2.2.3　Docker引擎和應用程序容器 43
2.2.4　容器和虛擬機的發展 45
2.3　雲架構和虛擬資源管理 46
2.3.1　三種雲平颱架構 46
2.3.2　虛擬機管理和災難恢復 48
2.3.3　創建私有雲的Eucalyptus和OpenStack 50
2.3.4　Docker容器調度和業務流程 52
2.3.5　建立混閤雲的VMware雲操作係統 53
2.4　IaaS、PaaS和SaaS雲的案例研究 55
2.4.1　基於分布式數據中心的AWS雲 55
2.4.2　AWS雲服務産品 56
2.4.3　PaaS：榖歌AppEngine及其他 59
2.4.4　SaaS：Salesforce雲 61
2.5　移動雲與雲間的混搭服務 63
2.5.1　微雲網關的移動雲 63
2.5.2　跨雲平颱的混搭服務 66
2.5.3　混搭服務Skyline的發現 68
2.5.4　混搭服務的動態組成 70
2.6　本章小結 71
2.7　本章習題 71
2.8　參考文獻 74
第3章　物聯網的傳感、移動和認知係統 75
3.1　物聯網感知與關鍵技術 75
3.1.1　物聯網感知技術 75
3.1.2　物聯網關鍵技術 77
3.2　物聯網體係結構和交互框架 78
3.2.1　物聯網體係結構 78
3.2.2　本地定位技術與全球定位技術 79
3.2.3　傳統物聯網係統與以雲為中心的物聯網應用 80
3.2.4　物聯網與環境交互框架 83
3.3　RFID 85
3.3.1　射頻識彆技術和標簽設備 85
3.3.2　RFID係統架構 86
3.3.3　物聯網支持的供應鏈管理 87
3.4　傳感器、無綫傳感器網絡和全球定位係統 88
3.4.1　傳感器的硬件和操作係統 89
3.4.2　基於智能手機的傳感 93
3.4.3　無綫傳感器網絡和體域網 94
3.4.4　全球定位係統 96
3.5　認知計算技術與原型係統 99
3.5.1　認知科學和神經信息學 99
3.5.2　腦啓發計算芯片和係統 100
3.5.3　榖歌大腦團隊項目 102
3.5.4　物聯網環境下的認知服務 104
3.5.5　增強和虛擬現實應用 105
3.6　本章小結 107
3.7　本章習題 107
3.8　參考文獻 109
第4章　NB-IoT技術與架構 111
4.1　NB-IoT概述 111
4.1.1　NB-IoT的背景 111
4.1.2　NB-IoT發展簡史與標準化進程 111
4.2　NB-IoT的特性與關鍵技術 113
4.2.1　NB-IoT的特性 113
4.2.2　NB-IoT的基礎理論與關鍵技術 118
4.3　NB-IoT與幾種技術的對比 120
4.3.1　NB-IoT與eMTC技術的對比 120
4.3.2　NB-IoT與其他無綫通信技術的對比 123
4.4　NB-IoT的智能應用 126
4.4.1　NB-IoT的應用場景 126
4.4.2　NB-IoT的應用範例 127
4.5　NB-IoT的安全需求 128
4.5.1　感知層 129
4.5.2　傳輸層 129
4.5.3　應用層 130
4.6　本章小結 130
4.7　本章習題 130
4.8　參考文獻 131
第5章　有監督的機器學習 135
5.1　機器學習簡介 135
5.1.1　學習方式簡介 135
5.1.2　主要算法簡介 136
5.1.3　監督學習和無監督學習 138
5.1.4　機器學習主要流派 139
5.2　迴歸分析 140
5.2.1　簡介 140
5.2.2　綫性迴歸 141
5.2.3　邏輯迴歸 144
5.3　有監督的分類算法 146
5.3.1　最近鄰分類 146
5.3.2　決策樹 148
5.3.3　基於規則的分類 151
5.3.4　支持嚮量機 155
5.4　貝葉斯與組閤算法 157
5.4.1　樸素貝葉斯 158
5.4.2　貝葉斯網絡 161
5.4.3　隨機森林和組閤方法 164
5.5　本章小結 167
5.6　本章習題 167
5.7　參考文獻 170
第6章　無監督學習和算法選擇 172
6.1　無監督學習簡介和關聯分析 172
6.1.1　無監督的機器學習 172
6.1.2　關聯分析和頻繁項集 172
6.1.3　關聯規則的産生 175
6.2　聚類分析 177
6.2.1　聚類分析簡介 178
6.2.2　K均值聚類 178
6.2.3　凝聚層次聚類 180
6.2.4　基於密度的聚類 183
6.3　降維算法和學習模型 186
6.3.1　常見的降維算法簡介 186
6.3.2　主成分分析法 187

前言/序言

前　　言Cognitive Computing and Deep Learning: Intelligent Applications based on IoT/Cloud過去十年間，計算機與信息産業在平颱規模和應用範圍層麵都經曆瞭快速變革。計算機、智能手機、雲和社交網絡不僅需要優越的性能，而且需要高程度的智能。實際上，我們正進入認知計算和大數據分析時代，這種變化趨勢隨處可見，包括智能手機的廣泛使用、雲存儲與雲計算的應用、人工智能在實踐中的復興、從擴展的超級計算機到物聯網（Internet of Things，IoT）平颱的大範圍部署，等等。麵對這些新興的計算和通信方法，我們必須升級雲和IoT生態係統，賦予它們新的能力，如機器學習、IoT感知、數據分析，以及一種可以模仿或者增強人類智慧的認知能力。
為瞭滿足新的需求，需要設計新的雲係統、Web服務和數據中心，用以存儲、處理、學習和分析大數據，以發現新的知識或者做齣有價值的決策。其目的是建立一個大數據産業鏈來提供認知服務，從而高效率地幫助人類剋服在勞動密集型任務方麵的缺陷。這些目標可以通過硬件虛擬化、機器學習、深度學習、IoT感知、數據分析和認知計算來實現。例如，隨著機器學習和數據分析的實際應用日益增多，“學習即服務”（Learning as a Service，LaaS）、“分析即服務”（Analytics as a Service，AaaS）和“安全即服務”（Security as a Service，SaaS）等雲服務開始齣現。
如今，為瞭支持移動網絡的應用，IT公司、大企業、學校和政府都把主要數據中心轉移到雲設備上。具有與雲類似集群架構的超級計算機，也正在為處理大型數據集或數據流而轉型。智慧雲的需求大大增加，它在社交、媒體、移動、商業和政府的運營中變得非常重要。超級計算機和雲平颱有不同的生態係統和編碼環境，在未來，它們之間的鴻溝將隨著認知計算的到來而消失。本書緻力於實現這個目標。
內容概覽本書根據我們的英文著作《Big Data Analytics for Cloud, IoT and Cognitive Computing》（Kai Hwang and Min Chen, Wiley Publisher, London, U. K.，ISBN 978119247029，2017）翻譯、改編與增補而成。全書共11章，其中第4、8、11章是全新的章節。書中強調認知計算、深度學習與大數據的基本原理，同時涵蓋物聯網與雲平颱的智能應用，例如健康監護、醫療認知、智慧城市、社交媒體分析、認知車聯網與5G移動認知係統等。
全書簡要目錄如下：
第1章　認知計算與大數據科學第2章　智慧雲與虛擬化技術第3章　物聯網的傳感、移動和認知係統第4章　NB-IoT技術與架構第5章　有監督的機器學習第6章　無監督學習和算法選擇第7章　深度學習第8章　生成對抗式網絡與深度學習應用第9章　深度學習和社交媒體分析應用第10章　醫療認知係統與健康大數據應用第11章　認知車聯網與5G認知係統第1～3章介紹數據科學、智慧雲以及大數據計算的IoT設備或框架，涵蓋通過大數據分析和認知機器學習能力來探索智慧雲計算的技術，包含雲架構、IoT、認知係統以及軟件支持。具體地說，第1章介紹數據科學與認知計算的基本原理，第2章展示雲計算平颱的係統結構與虛擬化技術，第3章涵蓋物聯網的傳感技術、移動環境和認知係統。
新增加的第4和11章，介紹窄帶物聯網（NB-IoT）的技術、架構及其在認知車聯網與5G認知係統上的應用。第5和6章介紹各類機器學習算法與模型擬閤技術，第7~9章詳細介紹深度學習的理論與應用實例，第10章專注於醫療認知係統與健康大數據應用。
特殊方法我們在本書中使用瞭一種技術融閤方法，將認知計算、大數據理論與雲設計原則以及超級計算機標準融閤，以提高智慧雲或超級計算機的計算效率。IoT傳感技術可實現大量數據采集，機器學習與數據分析將幫助我們做齣決策。我們的根本目標是增強雲和超級計算機以及人工智能（AI）。
本書融會瞭我們多年的研究和教學經驗，幫助讀者在大數據世界通過自己的計算設備、分析能力以及應用技能來推動職業發展、商業轉型以及科學發現。本書將認知計算理論與智慧雲上的新興技術相結閤，並通過新應用探索分布式數據中心。如今，我們可以看到信息物理係統在智慧城市、自動駕駛、情感監測機器人、虛擬現實、增強現實以及認知服務中的應用。
讀者指南我們編寫此書是為瞭滿足計算機科學與電氣工程教育領域不斷增長的課程需求，因此本書適閤作為高等院校與研究院的專業教材，專業領域跨越計算機科學、人工智能、機器學習與大數據等。不論教師想要教授本書11章中的任何部分，都可以給大四學生和研究生使用本書，或者作為專業參考書。以下四類大學課程適閤使用本書：大數據分析（Big Data Analytics，BDA），雲計算（Cloud Computing，CC），機器學習（Machine Learning，ML），認知係統（Cognitive System，CS）。這些課程已經在世界範圍內的多所大學中開設，並且學校的數量還在快速增長。我們為授課老師提供課件與習題解答，請訪問華章網站www.hzbook.com下載教輔資料。
對於想要將計算技能轉化為IT新機遇的從業者，本書也能提供有益的幫助。比如：對本書感興趣的讀者可能是在“Cloud of Things”工作的Intel工程師；榖歌Brain和DeepMind團隊也在研發
認知計算與深度學習：基於物聯網雲平颱的智能應用 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

之前拜讀瞭陳敏教授所著的《認知計算導論》，開啓瞭我對認知計算領域的瞭解。作為人工智能發展的一個最新研究階段，越來越多的研究人員將會把精力投入到這個領域的研究。本書詳實地對認知計算以及當前最為火熱的深度學習領域的相關知識，材料豐富，邏輯清晰，習題價值非常大，是一本非常不錯的書籍！

評分☆☆☆☆☆

不錯不錯，天下第三，天下第三。

評分☆☆☆☆☆

很棒的書啊！滿意！關鍵還有摺扣！

評分☆☆☆☆☆

好

評分☆☆☆☆☆

很棒的書啊！滿意！關鍵還有摺扣！

評分☆☆☆☆☆

速度快，服務好，加油！

評分☆☆☆☆☆

最近買瞭很多書，還沒有來得及一一閱讀，看評價挺好的，希望能對工作有幫助。

評分☆☆☆☆☆

非常不錯的商品，還會再來

評分☆☆☆☆☆

好

類似圖書 點擊查看全場最低價

查看全網最低價