书籍详情
智能运维之道：基于AI技术的应用实践
作者：钱兵 等 著
出版社：机械工业出版社
出版时间：2022-01-01
ISBN：9787111696803
定价：¥99.00
购买这本书可以去
内容简介
本书是一本介绍智能运维的实战指南，聚焦实际应用场景，通过十余个实战案例，详细讲解每个场景中的痛点、适用的算法、试验和*终方案，系统介绍了AI技术在运维工作中的应用。本书内容分为3部分，第1部分是智能运维、人工智能的概念和发展趋势，包括第1、2章；第2部分是智能运维中需要用到的人工智能技术和算法，包括第3、4、5章；第3部分是智能运维实战案例，包括第6~11章。 本书适合从事企业数字化转型建设工作的一线从业者、管理者，尤其适合在ICT领域从事运维工作的人员学习。
作者简介
钱兵，现任中国电信研究院 AI 研发中心能力研发总监、AI创新工作室负责人，美国营销国际协会大数据营销专家讲师，高校外聘专家讲师，发表SCI/EI/核心论文多篇。拥有10多年数据分析和挖掘工作经验，目前主要从事人工智能和大数据技术在网络 AI、泛娱乐大数据、商业地理洞察等领域的研发工作。
目录
第1章智能运维概述/
1.1智能运维的概念/
1.1.1运维与运营的区别/
1.1.2智能运维与开发运维的区别/
1.2智能运维的发展历程及趋势/
1.2.1推动运维工作发展的内外部力量/
1.2.2智能运维的发展历程/
1.2.3智能运维未来发展趋势/
1.3智能运维应用场景/
1.3.1异常检测/
1.3.2根因诊断/
1.3.3故障自愈/
1.3.4事件预警/
1.3.5效能优化/第2章人工智能技术概述/
2.1人工智能的概念及发展历程/
2.2人工智能的核心技术/
2.2.1机器学习/
2.2.2深度学习/
2.2.3自然语言处理/
2.2.4知识工程/
2.2.5机器人/
2.3人工智能技术的应用领域及发展趋势/
2.3.1人工智能应用领域/
2.3.2人工智能发展趋势/第3章智能运维中的关键技术/
3.1数据处理技术/
3.1.1数据离线技术及数据存储技术/
3.1.2数据实时计算及快速响应技术/
3.1.3数据采集及辅助处理技术/
3.1.4大数据技术在智能运维领域面临
的挑战/
3.2知识图谱/
3.2.1知识图谱的基本概念/
3.2.2一般知识图谱的构建流程/
3.2.3知识图谱在智能运维中的应用/
3.3自然语言处理/
3.3.1领域短语挖掘/
3.3.2同义词匹配/
3.3.3命名实体识别/目录////智能运维之道——基于AI技术的应用实践第4章智能运维中的常用算法/
4.1异常检测算法/
4.1.1基于概率模型的检测方法/
4.1.2基于邻近度的检测方法/
4.1.3基于分类的检测方法/
4.1.4基于专家经验的综合评价方法/
4.2根因诊断算法/
4.2.1数据驱动的根因诊断/
4.2.2基于领域知识的根因诊断/
4.3趋势预测算法/
4.3.1数据特征/
4.3.2基于统计方法的线性预测模型/
4.3.3基于机器学习的非线性预测模型
/
4.4事物分类算法/
4.4.1传统事物分类算法/
4.4.2事物分类算法新进展/第5章智能运维——从数据预处理开始/
5.1结构化数据质量监控与预处理/
5.1.1结构化数据质量监控/
5.1.2结构化数据预处理技术/
5.2文本数据预处理与标注/
5.2.1数据清洗/
5.2.2数据标注/
5.3图片数据预处理与标注/
5.3.1智能运维中的视觉任务/
5.3.2图像标注工具/第6章应用聚类算法实现网元智能分类/
6.1LTE网元分类存在的问题/
6.2网元分类算法设计/
6.2.1数据与关键指标选取/
6.2.2数据清洗及平稳性检验/
6.2.3特征生成与选择/
6.2.4聚类算法/
6.3网元初始聚类结果/
6.3.1平稳性检验结果/
6.3.2主成分分析结果/
6.3.3聚类结果/
6.4基于改进后聚类算法的网元分类结果
/
6.4.1原有聚类方法的改进点/
6.4.2数据预处理/
6.4.3特征提取/
6.4.4算法设计/
6.4.5聚类效果/
6.4.6小结/第7章应用有监督/无监督算法实现异常检测/
7.1单指标异常波动检测/
7.1.1异常波动检测的概念/
7.1.2基于统计分布的检测算法/
7.1.3其他检测算法/
7.2单指标异常检测/
7.2.1适用单指标异常检测的算法/
7.2.2算法计算结果/
7.2.3小结/
7.3多指标异常检测/
7.3.1基于有监督算法与无监督算法相
结合检测/
7.3.2基于深度学习检测/
7.3.3基于专家经验的综合评价法检测
/第8章应用知识图谱解决网元异常问题/
8.1网元异常诊断的传统方案/
8.2网元异常诊断知识图谱/
8.2.1知识表示与数据获取/
8.2.2实体关系的抽取与对齐/
8.2.3知识图谱的建立/
8.2.4知识图谱的应用/
8.3应用知识图谱的成效/第9章应用时序模型实现长短期趋势预测/
9.1短周期预测：未来五分钟IPTV
播放用户数的预测/
9.1.1背景介绍/
9.1.2算法选择/
9.1.3参数选择/
9.1.4计算结果/
9.1.5小结/
9.2中周期预测：未来一周网络流量
变化的预测/
9.2.1算法选择/
9.2.2数据预处理/
9.2.3计算结果/
9.2.4小结/
9.3长周期预测：基站扩缩容
预测/
9.3.1算法设计/
9.3.2数据预处理/
9.3.3特征工程/
9.3.4计算结果/
9.3.5小结/第10章应用分类预测模型实现质差设备预见性识别/
10.1物联网NB业务质差预测/
10.1.1需要解决的问题/
10.1.2方案设计/
10.1.3应用效果/
10.1.4小结/
10.2网络设备隐患预测/
10.2.1背景介绍/
10.2.2面临的挑战/
10.2.3在特征较少的条件下进行预测
/
10.2.4在数据粒度较细的条件下进行
预测/
10.2.5小结/第11章应用因果分析实现故障根因定位/
11.1物联网NB业务根因的因果分析/
11.1.1背景介绍/
11.1.2面临的挑战/
11.1.3算法实现/
11.1.4应用效果/
11.1.5小结/
11.2IPTV设备根因的因果分析/
11.2.1背景介绍/
11.2.2算法实现/
11.2.3应用效果/
11.2.4小结/参考文献/
1.1智能运维的概念/
1.1.1运维与运营的区别/
1.1.2智能运维与开发运维的区别/
1.2智能运维的发展历程及趋势/
1.2.1推动运维工作发展的内外部力量/
1.2.2智能运维的发展历程/
1.2.3智能运维未来发展趋势/
1.3智能运维应用场景/
1.3.1异常检测/
1.3.2根因诊断/
1.3.3故障自愈/
1.3.4事件预警/
1.3.5效能优化/第2章人工智能技术概述/
2.1人工智能的概念及发展历程/
2.2人工智能的核心技术/
2.2.1机器学习/
2.2.2深度学习/
2.2.3自然语言处理/
2.2.4知识工程/
2.2.5机器人/
2.3人工智能技术的应用领域及发展趋势/
2.3.1人工智能应用领域/
2.3.2人工智能发展趋势/第3章智能运维中的关键技术/
3.1数据处理技术/
3.1.1数据离线技术及数据存储技术/
3.1.2数据实时计算及快速响应技术/
3.1.3数据采集及辅助处理技术/
3.1.4大数据技术在智能运维领域面临
的挑战/
3.2知识图谱/
3.2.1知识图谱的基本概念/
3.2.2一般知识图谱的构建流程/
3.2.3知识图谱在智能运维中的应用/
3.3自然语言处理/
3.3.1领域短语挖掘/
3.3.2同义词匹配/
3.3.3命名实体识别/目录////智能运维之道——基于AI技术的应用实践第4章智能运维中的常用算法/
4.1异常检测算法/
4.1.1基于概率模型的检测方法/
4.1.2基于邻近度的检测方法/
4.1.3基于分类的检测方法/
4.1.4基于专家经验的综合评价方法/
4.2根因诊断算法/
4.2.1数据驱动的根因诊断/
4.2.2基于领域知识的根因诊断/
4.3趋势预测算法/
4.3.1数据特征/
4.3.2基于统计方法的线性预测模型/
4.3.3基于机器学习的非线性预测模型
/
4.4事物分类算法/
4.4.1传统事物分类算法/
4.4.2事物分类算法新进展/第5章智能运维——从数据预处理开始/
5.1结构化数据质量监控与预处理/
5.1.1结构化数据质量监控/
5.1.2结构化数据预处理技术/
5.2文本数据预处理与标注/
5.2.1数据清洗/
5.2.2数据标注/
5.3图片数据预处理与标注/
5.3.1智能运维中的视觉任务/
5.3.2图像标注工具/第6章应用聚类算法实现网元智能分类/
6.1LTE网元分类存在的问题/
6.2网元分类算法设计/
6.2.1数据与关键指标选取/
6.2.2数据清洗及平稳性检验/
6.2.3特征生成与选择/
6.2.4聚类算法/
6.3网元初始聚类结果/
6.3.1平稳性检验结果/
6.3.2主成分分析结果/
6.3.3聚类结果/
6.4基于改进后聚类算法的网元分类结果
/
6.4.1原有聚类方法的改进点/
6.4.2数据预处理/
6.4.3特征提取/
6.4.4算法设计/
6.4.5聚类效果/
6.4.6小结/第7章应用有监督/无监督算法实现异常检测/
7.1单指标异常波动检测/
7.1.1异常波动检测的概念/
7.1.2基于统计分布的检测算法/
7.1.3其他检测算法/
7.2单指标异常检测/
7.2.1适用单指标异常检测的算法/
7.2.2算法计算结果/
7.2.3小结/
7.3多指标异常检测/
7.3.1基于有监督算法与无监督算法相
结合检测/
7.3.2基于深度学习检测/
7.3.3基于专家经验的综合评价法检测
/第8章应用知识图谱解决网元异常问题/
8.1网元异常诊断的传统方案/
8.2网元异常诊断知识图谱/
8.2.1知识表示与数据获取/
8.2.2实体关系的抽取与对齐/
8.2.3知识图谱的建立/
8.2.4知识图谱的应用/
8.3应用知识图谱的成效/第9章应用时序模型实现长短期趋势预测/
9.1短周期预测：未来五分钟IPTV
播放用户数的预测/
9.1.1背景介绍/
9.1.2算法选择/
9.1.3参数选择/
9.1.4计算结果/
9.1.5小结/
9.2中周期预测：未来一周网络流量
变化的预测/
9.2.1算法选择/
9.2.2数据预处理/
9.2.3计算结果/
9.2.4小结/
9.3长周期预测：基站扩缩容
预测/
9.3.1算法设计/
9.3.2数据预处理/
9.3.3特征工程/
9.3.4计算结果/
9.3.5小结/第10章应用分类预测模型实现质差设备预见性识别/
10.1物联网NB业务质差预测/
10.1.1需要解决的问题/
10.1.2方案设计/
10.1.3应用效果/
10.1.4小结/
10.2网络设备隐患预测/
10.2.1背景介绍/
10.2.2面临的挑战/
10.2.3在特征较少的条件下进行预测
/
10.2.4在数据粒度较细的条件下进行
预测/
10.2.5小结/第11章应用因果分析实现故障根因定位/
11.1物联网NB业务根因的因果分析/
11.1.1背景介绍/
11.1.2面临的挑战/
11.1.3算法实现/
11.1.4应用效果/
11.1.5小结/
11.2IPTV设备根因的因果分析/
11.2.1背景介绍/
11.2.2算法实现/
11.2.3应用效果/
11.2.4小结/参考文献/
猜您喜欢
