本书是智能计算平台应用开发中级教材，主要介绍了智能计算平台搭建、平台管理、数据管理、应用开发等相关知识。全书共分9章，内容包括智能计算平台应用开发概述、人工智能与平台搭建、平台管理、数据采集、数据存储、数据处理、数据备份与恢复、机器学习基础算法建模和人工智能模型开发测试。
1.教育部“1+X”证书智能计算平台应用开发官方认证教材，3本教材分别对应3个级别职业技能认证。
2.依托华为智能计算设备（ARM服务器、人工智能服务器）。
3.理实一体化，案例丰富。
4.产教融合，校企合作共同编写。
5.配套资源丰富，适合教学。
华为是全球领先的ICT（信息与通信）基础设施和智能终端提供商，致力于把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界。我们在通信网络、IT、智能终端和云服务等领域为客户提供有竞争力、安全可信赖的产品、解决方案与服务，与生态伙伴开放合作，持续为客户创造价值，释放个人潜能，丰富家庭生活，激发组织创新。华为坚持围绕客户需求持续创新，加大基础研究投入，厚积薄发，推动世界进步。华为成立于1987年，是一家由员工持有全部股份的民营企业，目前拥有19.4万员工，业务遍及170多个国家和地区。
第 1章 智能计算平台应用开发概述 1
1．1 智能计算平台应用开发技能点简介 1
1．1．1 初级 1
1．1．2 中级 2
1．1．3 高级 4
1．2 智能计算平台应用开发的中级知识点概要 5
1．2．1 平台搭建 5
1．2．2 平台管理 5
1．2．3 数据管理 6
1．2．4 应用开发 7
小结 8
习题 8
第 2章 人工智能与平台搭建 10
2．1 人工智能简介 10
2．1．1 人工智能发展 10
2．1．2 大数据与人工智能 11
2．1．3 机器学习与深度学习 12
2．2 集成开发环境 13
2．2．1 Anaconda 13
2．2．2 PyCharm 16
2．2．3 Eclipse 21
2．3 常用人工智能开发框架 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
小结 30
习题 31
第3章 平台管理 32
3．1 服务器集群管理 32
3．1．1 集群管理介绍 32
3．1．2 集群管理工具简介 35
3．2 存储资源管理 37
3．2．1 存储资源管理介绍 37
3．2．2 存储资源管理工具FusionStorage 40
3．3 系统管理 44
3．3．1 系统管理介绍 44
3．3．2 系统管理工具FusionDirector 47
3．4 文档管理 54
3．4．1 文档管理介绍 54
3．4．2 运维报告与技术支持文档 55
小结 56
习题 56
第4章 数据采集 58
4．1 数据采集系统组成与架构 58
4．1．1 大数据采集与处理 58
4．1．2 大数据基础组件介绍 60
4．1．3 数据采集系统架构 81
4．1．4 数据采集系统基础配置 83
4．2 数据采集流程优化和系统维护 85
4．2．1 数据采集流程优化 85
4．2．2 数据采集系统维护 93
小结 93
习题 93
第5章 数据存储 95
5．1 大数据存储管理 95
5．1．1 存储系统维护和管理 95
5．1．2 存储系统优化 101
5．2 数据库存储管理 104
5．2．1 数据库日常监控 104
5．2．2 数据库日常运维 106
小结 112
习题 112
第6章 数据处理 114
6．1 ETL数据整合 114
6．1．1 ETL常用工具 114
6．1．2 ETL数据整合操作 116
6．1．3 ETL任务流程监控、维护和优化 123
6．2 数据标注和分类 126
6．2．1 图像数据标注 127
6．2．2 文本数据标注 129
6．2．3 语音数据标注 130
小结 131
习题 131
第7章 数据备份与恢复 132
7．1 数据备份概述 132
7．1．1 概念 132
7．1．2 备份组网介绍 133
7．1．3 备份介质 136
7．2 备份技术 138
7．2．1 备份分类 138
7．2．2 高级备份技术 139
7．2．3 华为OceanStor应用实例 145
7．3 备份解决方案 146
7．3．1 常规备份解决方案组网设计 147
7．3．2 OceanStor备份解决方案 150
7．4 备份与恢复 153
7．4．1 Linux文件系统备份与恢复 153
7．4．2 OceanStor备份与恢复 155
小结 160
习题 161
第8章 机器学习基础算法建模 162
8．1 机器学习 162
8．1．1 机器学习的相关名词解释 163
8．1．2 机器学习的应用领域 165
8．2 分类算法 166
8．2．1 逻辑回归 167
8．2．2 KNN 169
8．2．3 朴素贝叶斯 171
8．2．4 SVM 172
8．2．5 决策树 174
8．2．6 多层感知机 175
8．3 回归算法 177
8．3．1 线性回归 179
8．3．2 KNN回归 181
8．3．3 Lasso回归 182
8．4 集成学习算法 183
8．4．1 Boosting 184
8．4．2 Bagging 187
8．5 聚类算法 189
8．5．1 原型聚类 190
8．5．2 层次聚类 192
8．5．3 密度聚类 193
8．6 关联规则算法 195
8．6．1 Apriori算法 195
8．6．2 FP-growth算法 197
8．7 智能推荐算法 197
小结 199
习题 199
第9章 人工智能模型开发测试 200
9．1 人工智能模型开发 200
9．1．1 商业理解 201
9．1．2 数据理解 203
9．1．3 数据准备 204
9．1．4 数据建模 206
9．1．5 模型评价 208
9．1．6 模型部署 209
9．2 人工智能模型测试 210
9．2．1 测试用例 210
9．2．2 测试方法 212
9．2．3 测试计划 214
9．2．4 测试报告 215
小结 218
习题 218
书单推荐
