Dangdang.com Бизнес-анализ: система поддержки принятия решений, основанная на науке о данных и технологиях искусственного интеллекта (оригинальная книга № 1). Промышленные сельскохозяйственные технологии. Технологии автоматизации. Машиностроительная промышленность. Подлинная книга.
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
В этой книге подробно представлены технологии, связанные с бизнес-анализом, а также базовые методы, технологии и программное обеспечение для интеллектуального принятия решений.Книга построена вокруг двух тем: мотивы, концепции и методы различных типов анализа, а также новые технологии, лежащие в основе современных областей анализа, таких как искусственный интеллект, машинное обучение, глубокое обучение, робототехника, Интернет вещей и системы совместной помощи интеллектуальных роботов.В 11-м издании представлены передовые аналитические методы и тенденции в области искусственного интеллекта, а также множество примеров применения, тематических обсуждений и практических упражнений.
В отличие от книг по технологиям анализа данных, эта книга не зацикливается на технических деталях сложных алгоритмов и анализа данных. Он объясняет функции и значения анализа данных и разумного принятия решений на основе большого количества практических примеров.Его цель — дать читателям, которые впервые знакомы с системами поддержки принятия решений, прояснить их различия и связи со многими концепциями, такими как наука о данных, искусственный интеллект, машинное обучение, технологии больших данных, робототехника и Интернет вещей.
Предисловие
Благодарности
Об авторе
Раздел «Введение в аналитику и искусственный интеллект»
Глава 1. Обзор систем бизнес-аналитики, аналитики, обработки данных и искусственного интеллекта для поддержки принятия решений 2
1.1 Вступительный эпизод: Как работает интеллектуальная система лифта и эскалатора Kone 3
1.2 Изменение бизнес-среды, потребности в поддержке принятия решений и анализе 5
1.3 Процесс принятия решений и компьютеризированная система поддержки принятия решений 8
1.4 Развитие компьютерной поддержки принятия решений для бизнес-аналитики/анализа/науки о данных 20
1.5 Обзор анализа 29
1.6 Примеры анализа в смежных областях 37
1.7 Введение в искусственный интеллект 50
1.8 Интеграция аналитики и искусственного интеллекта 58
1.9 Обзор аналитической экосистемы 63
1.10 Планирование книги 64
1.11 Сопутствующие ресурсы 65
Ключевые моменты в этой главе 66
Обсуждение 67
Ссылки 67
Глава 2 Искусственный интеллект: концепции, движущие силы, основные технологии и коммерческое применение 70
2.1 Вступительный эпизод: INRIX решает проблемы дорожного движения 71
2.2 Введение в искусственный интеллект 73
2.3 Человеческий интеллект и компьютерный интеллект 79
2.4 Основные технологии искусственного интеллекта и производные продукты 82
2.5 Поддержка искусственного интеллекта для принятия решений 91
2.6 Применение искусственного интеллекта в бухгалтерском учете 95
2.7 Применение искусственного интеллекта в финансовых услугах 97
2.8 Применение искусственного интеллекта в управлении человеческими ресурсами 101
2.9 Применение искусственного интеллекта в маркетинге, рекламе и управлении взаимоотношениями с клиентами 103
2.10 Применение искусственного интеллекта в управлении производственными операциями 107
Ключевые моменты в этой главе 109
Обсуждение 110
Список литературы 111
Глава 3 Природа данных, статистическое моделирование и визуализация 113
3.1 Вступительный эпизод: SiriusXM привлекает новое поколение потребителей радио через маркетинг, основанный на данных 114
3.2 Характер данных 117
3.3 Простая классификация данных 120
3.4 Искусство и наука предварительной обработки данных 124
3.5 Статистическое моделирование для бизнес-анализа 133
3.6 Регрессионное моделирование для логической статистики 143
3.7 Бизнес-отчет 154
3.8 Визуализация данных 157
3.9 Различные типы диаграмм и графиков 162
3.10 Появление визуального анализа 165
3.11 Информационная панель 172
Основные моменты этой главы 177
Обсуждение 177
Ссылка 178
Часть 2. Прогнозная аналитика/машинное обучение
Глава 4. Процесс, методы и алгоритмы интеллектуального анализа данных 182
4.1 Вступительный эпизод: Департамент полиции Майами-Дейд использует прогнозную аналитику для прогнозирования преступности и борьбы с ней 182
4.2 Концепции интеллектуального анализа данных 186
4.3 Приложения для интеллектуального анализа данных 196
4.4 Процесс интеллектуального анализа данных 199
4.5 Методы интеллектуального анализа данных 206
4.6 Программные инструменты для интеллектуального анализа данных 221
4.7 Проблемы конфиденциальности, недопонимания и ошибки при интеллектуальном анализе данных 227
Ключевые моменты этой главы 231
Обсуждение 232
Ссылки 233
Глава 5. Методы машинного обучения для прогнозной аналитики 234
5.1 Вступительный пример: Прогнозное моделирование помогает лучше понимать сложные медицинские процедуры и управлять ими 234
5.2 Основные понятия нейронных сетей 237
5.3 Архитектура нейронной сети 241
5.4. Машины опорных векторов 245
5.5 Как использовать машину опорных векторов на основе процессов 254
5.6 Метод близости для прогнозирования 256
5.7 Наивная байесовская классификация 260
5.8 Байесовские сети 268
5.9 Комплексное моделирование 274
Ключевые моменты этой главы 286
Обсуждение 287
Ссылка 288
Глава 6. Глубокое обучение и когнитивные вычисления 290
6.1 Вступительный эпизод: Использование глубокого обучения и искусственного интеллекта для борьбы с мошенничеством 291
6.2 Введение в глубокое обучение 294
6.3“мелкий”Основы нейронных сетей 299
6.4 Процесс разработки на основе нейросетевой системы 308
6.5 Объясните принцип черного ящика ИНС 314.
6.6 Глубокая нейронная сеть 317
6.7 Сверточная нейронная сеть 323
6.8. Рекуррентные сети и сети с длинной краткосрочной памятью 334
6.9 Компьютерная основа для реализации глубокого обучения 341
6.10 Когнитивные вычисления 344
Ключевые моменты этой главы 354
Обсуждение 356
Ссылка 357
Глава 7 Анализ текста, анализ настроений и социальный анализ 360
7.1 Вступительный эпизод: Amadori Group превращает потребительские эмоции в продажи, происходящие практически в реальном времени 361
7.2 Обзор анализа текста и интеллектуального анализа текста 363
7.3 Обработка естественного языка 369
7.4 Приложения для интеллектуального анализа текста 375
7.5 Процесс интеллектуального анализа текста 382
7.6 Анализ настроений 390
7.7 Обзор веб-майнинга 401
7.8 Поисковая система 406
7.9 Анализ использования Интернета (веб-анализ) 413
7.10 Социальный анализ 419
Ключевые моменты этой главы 428
Обсуждение 429
Ссылки 430
Часть 3. Предписывающий анализ и большие данные
Глава 8 Нормативный анализ: оптимизация и моделирование 434
8.1 Вступительный пример: школьный округ Филадельфии использует предписывающую аналитику для поиска решений для аутсорсинговых автобусных маршрутов 435
8.2 Принятие решений на основе модели 436
8.3 Структура математических моделей поддержки принятия решений 442
8.4 Определенность, неопределенность и риск 444
8.5 Модель принятия решений в электронной таблице 446
8.6 Оптимизация математического программирования 450
8.7 Множественные цели, анализ чувствительности, анализ «что если» и решения с одной переменной 460
8.8 Анализ решений на основе таблиц решений и деревьев решений 464
8.9 Введение в Simulation 466
8.10 Визуальное интерактивное моделирование 473
Ключевые моменты этой главы 478
Обсуждение 479
Ссылки 479
Глава 9. Большие данные, облачные вычисления и анализ местоположения: концепции и инструменты 481
9.1 Вступительный эпизод: Использование методов больших данных для анализа оттока клиентов в телекоммуникационных компаниях 482
9.2 Определение больших данных 485
9.3 Основы анализа больших данных 490
9.4 Технологии больших данных 494
9.5 Большие данные и хранилища данных 503
9.6 Анализ памяти и Apache Spark508
9.7 Большие данные и потоковый анализ 514
9.8 Поставщики и платформы больших данных519
9.9 Облачные вычисления и бизнес-аналитика 526
9.10 Организационный анализ на основе местоположения 537
Ключевые моменты этой главы 544
Обсуждение 544
Ссылки 545
Часть 4. Роботы, социальные сети, искусственный интеллект и Интернет вещей
Глава 10. Роботы: промышленное и потребительское применение 548
10.1 Вступительная серия: Роботы оказывают эмоциональную поддержку пациентам и детям 548
10.2 Обзор робототехники 551
10.3 История робототехники 552
10.4 Примеры применения робототехники 554
10.5 Компоненты робота 563
10.6 Различные роботы 565
10.7 Беспилотные автомобили: роботы в движении 566
10.8 Влияние роботов на текущую и будущую работу 569
10.9 Юридические последствия роботов и искусственного интеллекта 571
Ключевые моменты этой главы 574
Обсуждение 575
Ссылки 575
Глава 11. Групповое принятие решений, системы совместной работы и поддержка искусственного интеллекта 578
11.1 Вступительный эпизод: HMS хорошо зарекомендовала себя во взаимодействии с командой 579
11.2 Групповое принятие решений: характеристики, процессы, преимущества и недостатки 581
11.3 Использование компьютерных систем для поддержки командной работы и командного сотрудничества 584
11.4 Общение и сотрудничество группы поддержки программного обеспечения 586
11.5 Компьютеры напрямую поддерживают коллективное принятие решений 590
11.6 Коллективный разум и совместный разум 595
11.7 Краудсорсинг как метод поддержки принятия решений599
11.8 Искусственный интеллект и групповой искусственный интеллект поддерживают совместную работу команды и групповое принятие решений 603
11.9 Сотрудничество человека и робота и роботизированные команды 607
Ключевые моменты этой главы 611
Обсуждение 612
Ссылки 612
Глава 12 Системы знаний: экспертные системы, рекомендатели, чат-боты, виртуальные персональные помощники и роботы-консультанты 614
12.1 Вступительный эпизод: выдающаяся работа Sephora и чат-бота 615
12.2 Экспертные системы и рекомендации 616
12.3 Концепции, движущие силы и преимущества чат-бота 626
12.4 Корпоративные чат-боты 630
12.5 Виртуальный личный помощник 638
12.6 Чат-боты как профессиональные консультанты (робо-эдвайзеры) 643
12.7 Проблемы реализации 648
Ключевые моменты настоящей главы 650
Обсуждение 651
Ссылки 652
Глава 13. Интеллектуальная платформа приложений Интернета вещей 654
13.1 Вступительный эпизод: CNH Industrial использует Интернет вещей, чтобы стать новой силой 654
13.2 Элементы Интернета вещей 656
13.3 Ключевые преимущества и движущие силы IoT 660
13.4 Как работает Интернет вещей 662
13.5 Датчики и их роль в Интернете вещей 663
13.6 Примеры применения Интернета вещей 668
13.7 Умный дом и бытовая техника 670
13.8 Умные города и заводы 674
13.9 Беспилотные автомобили 682
13.10 Рекомендации по внедрению Интернета вещей и управлению 685
Ключевые моменты этой главы 688
Обсуждение 689
Ссылки 689
Часть 5: Об аналитике и труде
Умные инструкции
Глава 14. Проблемы внедрения искусственного интеллекта: от этики и конфиденциальности к организационному и социальному воздействию 694
14.1 Вступительный эпизод: Почему Uber заплатил 245 миллионов долларов Waymo694
14.2 Обзор внедрения интеллектуальных систем 696
14.3 Юридические вопросы, вопросы конфиденциальности и этики 698
14.4 Успешное развертывание интеллектуальной системы 705
14.5 Влияние интеллектуальных систем на организации 708
14.6 Влияние интеллектуальных систем на карьеру и работу 714
14.7 Потенциальные опасности робототехники, искусственного интеллекта и аналитического моделирования 721
14.8 Сопутствующие технологические тенденции 724
14.9 Будущее интеллектуальных систем 728
Ключевые моменты этой главы 733
Обсуждение 733
Ссылка 734
Глоссарий 737
......Эта книга посвящена аналитике, науке о данных и методам искусственного интеллекта, используемым для поддержки принятия бизнес-решений.Помимо традиционных приложений для поддержки принятия решений, эта книга знакомит с искусственным интеллектом, машинным обучением, робототехникой, чат-ботами, Интернетом вещей и интернет-технологиями.
Книга разделена на пять частей. В первой части (главы 1–3) представлен обзор аналитики и искусственного интеллекта. Вторая часть (главы 4–7) знакомит с прогнозной аналитикой и машинным обучением. Третья часть (главы 8 и 9) посвящена предписывающей аналитике и большим данным. Четвертая часть (главы 10–13) знакомит с роботами, социальными сетями, искусственным интеллектом и Интернетом вещей. В пятой части (глава 14) обсуждается влияние аналитики и искусственного интеллекта на безопасность, конфиденциальность и общество.
Читателями этой книги являются студенты и исследователи, специализирующиеся в области анализа данных и бизнес-аналитики, а также специалисты-практики, связанные с бизнес-анализом и системами поддержки принятия решений.
Рамиш·Рамеш Шарда
MBA, доктор философии. из Университета Висконсин-Мэдисон. Он является заместителем директора по исследованиям и последипломным программам, председателем Watson/ConocoPhillips, заслуженным профессором управленческой науки и информационных систем в Школе бизнеса Спирса при Университете штата Оклахома, а также членом редакционных коллегий таких журналов, как Decision Support Systems, Decision Sciences и ACM Database.Он сотрудничал с правительством и промышленностью в многочисленных исследовательских проектах и работал консультантом во многих организациях.В 2013 году он получил награду HG Computing Society HG Lifetime Service Award и был введен в Зал славы высшего образования Оклахомы в 2016 году.Он является научным сотрудником INFORMS.
Дюерсон·Дурсун Делен
доктор философии из Университета штата Оклахома.Он является заведующим кафедрой бизнес-аналитики Спирс и Паттерсона, директором по исследованиям Центра инноваций в системах здравоохранения и заслуженным профессором управленческой науки и информационных систем в Колледже бизнеса Спирс при Университете штата Оклахома.Его часто приглашают на международные конференции, чтобы выступить на темы, связанные с бизнес-аналитикой, большими данными, интеллектуальным анализом данных/текста, бизнес-аналитикой, системами поддержки принятия решений и управлением знаниями.Он был сопредседателем 4-й Международной конференции по сетевым вычислениям и передовому управлению информацией. Он также является главным редактором журнала бизнес-аналитики и редактором отдела больших данных и бизнес-аналитики журнала бизнес-исследований.Он опубликовал восемь книг и более 100 рецензируемых журнальных статей.
Ефрем·Эфраим Тюрбан
MBA, доктор философии. из Калифорнийского университета в Беркли.Он является приглашенным научным сотрудником Тихоокеанского института управления информационными системами Гавайского университета и консультантом многих крупных предприятий по всему миру.Он работал в Городском университете Гонконга, Университете Лихай, Международном университете Флориды, Университете штата Калифорния, Лонг-Бич, Университете Восточного Иллинойса и Университете Южной Калифорнии.Он опубликовал 22 книги и более 110 статей в ведущих журналах.
