首页/ 科普/互联网+/ 人工智能云平台:原理、设计与应用
科普/互联网+
人工智能云平台:原理、设计与应用
作者:孙皓、郑歆慰、张文凯
出版社:人民邮电出版社有限公司

阅读

扫码读书
书籍信息目录(共225章)
作者团队强,拥有多个落地智能云平台项目开放经验。作者在国家重大项目和商业运营产品等不同场景下都有成功构建智能云平台系统的丰富经验的经历,借鉴和推广价值较高。

【简介】本书以实践为导向,深入浅出,从人工智能技术、机器学习框架和微服务等概念讲起,对主流的人工智能云平台产品进行剖析和比较,对从训练学习到服务封装再到模型发布应用的全过程进行介绍,并对人工智能云平台技术栈涉及的云计算、集群管理、任务调度、共享存储等技术进行了详细讲解,以提高研发人员对人工智能全生产流程的理解。书中结合以上技术知识,以目前较为主流的开源人工智能集群管理云平台为例,对相关工程案例进行了深入讲解,帮助读者加深对知识点的理解和掌握。本书适合有一定机器学习基础和大数据基础的学生、研发人员或希望进入人工智能云平台领域的读者阅读和学习。同时,也希望本书能帮助更多人在人工智能时代找到自己的方向和定位。

随感
  • 李丽楠
    2025年5月15日打卡二十三天,自动机器学习不仅包括大家熟知的算法选择、超参数优化和神经网络架构搜索,还覆盖了机器学习工作流的每一步:自动准备数据、自动特征选择、自动选择算法、超参数优化、自动流水线/工作流构建、神经网络架构搜索、自动模型选择和集成学习。
  • 姜思羽
    在深度学习的主流优化算法——mini-batch 随机梯度下降(Stochastic Gradient Descent,SGD)算法中,每次以N个训练样本组成一个mini-batch进行处理。由于大多数算子在样本数N上是独立的,因此一个直接的并行化方法是将一个mini-batch的计算任务划分到多个计算资源上,多个计算资源针对不同的数据执行相同的计算。这种方法直观并且有着悠久的历史(如经典的SIMD),被称为数据并行。今天,绝大多数深度学习框架都支持数据并行,并支持使用单个GPU、多个GPU或多GPU节点集群等多种并行情况。数据并行如图7-3所示。
  • 读不完的书
    Job是DIGITS的核心基类,负责数据集创建、模型训练推理等核心的处理流程,其基类位于digits文件夹下的job.py文件中,其继承了StatusCls
  • 崔建伟
    IDE是用于提供程序开发环境的应用程序,一般包括代码编辑器、编译器、调试器和图形用户界面等工具,集成了代码编写、分析、编译、调试等功能的一体化的开发软件服务套件。所有具备这一特性的软件或者软件套(组)都可以叫集成开发环境
  • 崔建伟
    TensorFlow是谷歌开源的一个深度学习数值计算库,其采用数据流图(Data Flow Diagram,DFD)的方式构建模型。节点(Nodes)在图中表示数学操作,图中的线(Edges)则表示在节点间相互联系的多维数据数组,即张量(Tensor)。
  • 读不完的书
    对于自身具备应用落地场景的科技公司来说,自建人工智能云平台无疑将大大提高研发效率。业务场景中的数据可以真正实现闭环:数据采集-清理-标注-训练-部署-反馈-模型更新。
  • 谢永涛
    书中阐述了未来的世界深度学习仓库将呈现两大巨头鼎立的局面,而其他的会慢慢消失。
  • 韩霖
    阐述了AI云平台的核心技术架构、设计方法及行业应用。内容涵盖分布式计算、算法部署、资源调度等关键技术,并结合实际案例展示在医疗、金融等领域的解决方案,为开发者提供理论与实践指导。
  • 刘帅
    该书以详实的数据和生动的案例,向我们展示人工智能在医疗、教育、金融等行业产生的影响;人工智能应用于工作生活中,人机协同的时代,也让我们面对一些数据隐私、就业替代等问题,我们在享受人工智能带来的便利同时,也要此类问题提出了理性的思考与见解,想到相应的应对措施。
  • 崔建伟
    Lustre与其他网络文件系统(如NFS或SMB)的区别在于它能够无缝地线性扩展容量和性能,以满足数据密集型应用程序,具有最小的额外管理开销。例如需增加容量和吞吐量,则添加更多具有所需存储的服务器。
同类书籍推荐
  • 深度学习
    伊恩·古德费洛
  • AI极简经济学
    阿杰伊·阿格拉沃尔
  • 怎么用Deepseek搞钱
    胡先敏
  • DeepSeek赋能数字政府应用指南
    《DeepSeek赋能数字政府应用指南》编写组
  • DeepSeek十大高级提问技巧
    黄凯
  • DeepSeek写作革命:AI辅助创作全指南
    狄浦