智能運維實踐 蘇娜 孫琳 王鴿 9787302694380 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202507*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：智能運維實踐
ISBN：9787302694380
出版社：清華大學
著編譯者：蘇娜 孫琳 王鴿
頁數：xxx
所在地：中國大陸 *此為代購商品
書號：1745247
可大量預訂，請先連絡。

內容簡介
（1）《智能運維實踐》介紹智能運維的基礎理論和相關技術，包括智能運維整體框架以及機器學習、深度學習和自然語言處理的常用算法。
（2）《智能運維實踐》通過面向實際場景需求的日誌異常檢測、根因定位、網絡流量異常檢測等項目案例，由淺入深地闡述如何將人工智能應用到IT運維實踐中。
（3）配套示例源碼、PPT課件、教學大綱、配圖PDF文件。

作者簡介
蘇娜，副教授，工學博士，碩士生導師，中國自動化學會網絡信息服務專業委員會委員，中國自動化學會會員，泰安市高層次人才。主要研究方向為數據挖掘、人工智能等。主持或參與10余項科研項目，發表學術論文20餘篇，撰寫專著1部，取得發明專利2項、軟件著作權多項。
孫琳，學術副教授，碩士生導師。主要研究方向為數據分析與數據挖掘等。主持並參與多項省部級科研項目，發表科研、教學論文十餘篇，其中多篇被SCI、EI檢索。
王鴿，副教授，博士，碩士生導師。主要研究方向為大數據分析、人工智能、自然語言處理、機器學習等。主持並參與多項省部級科研項目，發表論文20餘篇，參編教材4部，取得發明專利2項、軟件著作權多項。

精彩書評
蘇娜，副教授，工學博士，碩士生導師，中國自動化學會網絡信息服務專業委員會委員，中國自動化學會會員，泰安市高層次人才。主要研究方向為數據挖掘、人工智能等。主持或參與10余項科研項目，發表學術論文20餘篇，撰寫專著1部，取得發明專利2項、軟件著作權多項。
孫琳，學術副教授，碩士生導師。主要研究方向為數據分析與數據挖掘等。主持並參與多項省部級科研項目，發表科研、教學論文十餘篇，其中多篇被SCI、EI檢索。
王鴿，副教授，博士，碩士生導師。主要研究方向為大數據分析、人工智能、自然語言處理、機器學習等。主持並參與多項省部級科研項目，發表論文20餘篇，參編教材4部，取得發明專利2項、軟件著作權多項。

目錄

智能運維的核心目標包括故障預測、自動化修復、效能優化，最終推動運維從”經驗驅動”向”數據驅動”轉型，降低非計劃停機損失並提升系統可靠性。《智能運維實踐》從智能運維基本理論入手，詳細講解智能運維方法和應用案例，幫助讀者掌握智能運維的核心技術本書配套示例源碼、PPT課件與教學大綱。
《智能運維實踐》共分12章，內容包括智能運維概述、智能運維框架、搭建Ubuntu運維和開發環境、Python編程基礎、數據采集與存儲、數據預處理、機器學習、深度學習、自然語言處理、日誌異常檢測、面向微服務的根因定位、網絡流量異常檢測。
《智能運維實踐》理論與實踐相結合，從基礎概念出發，逐步深入技術細節，適合智能運維初學者、智能運維應用開發人員、系統與網絡運維人員閱讀。《智能運維實踐》也適合作為高等院校或高職高專院校智能運維課程的教材。

精彩書摘
目 錄
第1章 智能運維概述 1
1 1 引言 1
1 1 1 智能運維的興起 1
1 1 2 智能運維的發展歷程 2
1 1 3 智能運維的技術基礎 3
1 1 4 智能運維的目標 4
1 2 智能運維的應用 4
1 2 1 智能運維的應用領域 4
1 2 2 智能運維要解決的問題 5
1 3 智能運維的相關標準 6
1 3 1 運維相關的現有標準 7
1 3 2 人工智能的現有標準 9
1 3 3 智能運維的現有標準 10
第2章 智能運維框架 12
2 1 整體框架 12
2 2 組織治理 13
2 3 場景實現 14
2 4 能力域 15
第3章 搭建Ubuntu運維和開發環境 20
3 1 Ubuntu安裝準備 20
3 2 安裝Oracle VM VirtualBox 22
3 3 安裝Ubuntu服務器系統 26
3 3 1 創建虛擬機 26
3 3 2 安裝Ubuntu Server系統 32
3 4 搭建VS Code遠程開發環境 40
第4章 Python編程基礎 44
4 1 Python快速入門 44
4 1 1 Python簡介 44
4 1 2 數據類型 47
4 1 3 運算符 50
4 1 4 函數 52
4 1 5 程序控制結構 53
4 1 6 類和對象 54
4 2 NumPy快速入門 55
4 2 1 數組創建與初始化 55
4 2 2 數組的核心屬性、操作與計算 56
4 2 3 數學運算與統計 60
4 3 Pandas快速入門 61
4 3 1 Pandas系列 61
4 3 2 Pandas數據幀 65
4 3 3 Pandas示例 69
第5章 數據采集與存儲 84
5 1 數據采集 84
5 1 1 數據采集方法 85
5 1 2 數據采集工具 86
5 1 3 數據采集的關鍵考慮因素 88
5 2 數據存儲 88
5 2 1 數據存儲類型 89
5 2 2 數據存儲架構 90
5 2 3 數據備份與恢復 90
5 2 4 數據安全 91
5 2 5 數據管理與優化 91
5 2 6 數據訪問與檢索 92
第6章 數據預處理 94
6 1 數據清洗 95
6 1 1 處理缺失值 95
6 1 2 去除重複記錄 106
6 2 數據集成 112
6 3 數據轉換 113
6 4 數據離散化 119
6 4 1 等距離散化 120
6 4 2 等頻離散化 120
6 4 3 基於聚類的離散化 121
6 4 4 基於決策樹的離散化 122
6 5 特徵選擇 123
6 5 1 特徵選擇方法 123
6 5 2 特徵選擇示例 124
第7章 機器學習 129
7 1 回歸方法 129
7 1 1 常見的回歸方法 130
7 1 2 回歸模型的評估與優化 131
7 1 3 回歸模型的示例 132
7 2 分類方法 140
7 2 1 分類的一般流程 140
7 2 2 評估指標 141
7 3 決策樹 143
7 3 1 基本概念 143
7 3 2 構建步驟 145
7 3 3 決策樹示例 147
7 3 4 決策樹的特點 152
7 4 其他分類算法 152
7 4 1 隨機森林 152
7 4 2 支持向量機 153
7 4 3 貝葉斯分類器 156
7 4 4 分類算法小結與示例 158
7 5 聚類分析 165
7 5 1 劃分聚類方法 165
7 5 2 基於密度的聚類方法及示例 169
7 5 3 層次聚類方法 173
7 5 4 基於網格的聚類方法 173
7 6 關聯分析 174
7 6 1 關聯分析相關概念 174
7 6 2 FP-Growth算法 175
7 6 3 關聯分析示例 176
7 7 時間序列分析 181
7 7 1 時間序列的基本概念 181
7 7 2 時間序列的平穩性 181
7 7 3 時間序列的建模方法 182
7 7 4 時間序列的預測 183
7 7 5 時間序列分析示例 184
7 8 異常點檢測 192
7 8 1 異常點檢測概述 192
7 8 2 異常點檢測方法 193
7 8 3 異常點檢測示例 193
第8章 深度學習 199
8 1 深度學習基礎 199
8 2 卷積神經網絡 202
8 2 1 CNN的基本原理 202
8 2 2 CNN應用示例 204
8 3 循環神經網絡及其特殊架構 217
8 3 1 循環神經網絡 217
8 3 2 長短期記憶網絡 219
8 3 3 門控循環神經網絡 221
8 4 注意力機制 222
8 5 Transformer模型 226
第9章 自然語言處理 229
9 1 自然語言處理概述 229
9 2 文本表示方法 230
9 2 1 獨熱編碼 231
9 2 2 TF-IDF方法 231
9 2 3 Word2Vec模型 232
9 2 4 GloVe預訓練模型 233
9 2 5 BERT預訓練模型 234
9 3 大語言模型及示例 236
第10章 日誌異常檢測 244
10 1 數據預處理 245
10 1 1 常用數據集介紹 245
10 1 2 日誌數據處理 246
10 2 HDFS日誌異常檢測 247
10 2 1 日誌解析與模板匹配 248
10 2 2 事件序列構建 252
10 2 3 滑動窗口處理 257
10 2 4 特徵工程與標簽關聯 259
10 2 5 模型訓練與評估 262
10 3 日誌異常檢測經典模型及示例 264
10 3 1 DeepLog模型及示例 265
10 3 2 LogAnomaly模型及示例 274
10 3 3 LogRobust模型及示例 278
第11章 面向微服務的根因定位 281
11 1 引言 281
11 2 數據集 282
11 2 1 數據采集 282
11 2 2 公開數據集 284
11 3 根因定位方法 286
11 4 根因定位的關鍵技術 288
11 4 1 異常檢測 288
11 4 2 PageRank算法及示例 289
11 4 3 隨機遊走算法 296
11 4 4 深度優先搜索 297
11 4 5 皮爾遜相關係數 298
11 4 6 根因定位關鍵技術總結 298
第12章 網絡流量異常檢測 300
12 1 引言 300
12 2 網絡流量分類與數據集 301
12 2 1 網絡異常流量分類 301
12 2 2 公開數據集 302
12 3 數據預處理 308
12 4 網絡流量異常檢測方法 313
12 5 網絡流量異常檢測示例 315
12 5 1 基於SVM的網絡流量異常檢測 315
12 5 2 基於DNN的網絡流量異常檢測 322

詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。