新書推薦：
《
《日本文学史序说》讲演录
》
售價：NT$
332.0
《
无尽的海洋：美国海事探险与大众文化（1815—1860）
》
售價：NT$
454.0
《
治盗之道：清代盗律的古今之辨
》
售價：NT$
556.0
《
甲骨文丛书·剑桥世界暴力史（第一卷）：史前和古代世界（套装全2册）
》
售價：NT$
959.0
《
甲骨文丛书·中华早期帝国：秦汉史的重估
》
售價：NT$
1367.0
《
欲望与家庭小说
》
售價：NT$
449.0
《
惜华年（全两册）
》
售價：NT$
320.0
《
甲骨文丛书·古代中国的军事文化
》
售價：NT$
454.0
|
| 編輯推薦： |
|
SAP企业机器学习通过丰富的案例，向您展示不同的行业如何基于大数据，利用机器学习和人工智能算法，进行跨界创新和优化；同时，也详细讨论常用的机器学习算法的思想、原理和落地实现，帮助企业顺利开启其专属的人工智能之旅。
|
| 內容簡介： |
|
全面介绍企业机器学习的背景，SAP的机器学习平台SAPClea，和十余种机器学习算法的思想、原理与实现。通过12个行业50个企业创新案例，启迪读者基于大数据，利用机器学习进行业务创新，并使用SAP数据科学框架，工具和方法论建立模型，和进行持续迭代和优化，提供试用软件，使读者可以通过实践，理论联系实际，牢固的理解机器学习思想和将创新落地。
|
| 目錄：
|
目录
第1章人工智能与企业机器学习：
愿景还是现实？
1.1人工智能的第3春是永恒？
1.1.1AlphaGo早已不下围棋了！
1.1.2人工智能与机器学习
1.1.3机器学习的3种类型
1.2企业生存之道： 数字化转型
1.2.1数字达尔文主义
1.2.2体验经济
1.2.3数字化转型
1.2.4双模IT
1.3扩展的摩尔定律： 驱动技术指数发展的法则
1.4数据为王
1.4.1德国国家队之第十二人
1.4.2SAP HANA挽救病患
1.4.3一切皆数据： 从决定论到概率论
1.4.4IT向DT转型
参考文献
第2章SAP企业机器学习
2.1SAP Leonardo机器学习概述
2.1.1财务自动化与现金应用
2.1.2SAP简历匹配
2.1.3SAP品牌影响
2.1.4SAP客户留存
2.1.5SAP服务票
2.2业务问题转化为机器学习问题的步骤
2.3机器学习与商业智能
2.3.1SAP预测分析
2.3.2HANA预测分析库
2.3.3应用函数建模器
2.3.4SAP分析云服务
2.4基于机器学习的业务创新框架
2.5SAP创新组织与服务
参考文献
第3章数据科学：
第4范式
3.1数据科学概览
3.2数据预处理
3.2.1数据清理
3.2.2数据集成
3.2.3数据归约
3.2.4数据变换
3.3机器学习算法
3.3.1机器学习概述
3.3.2回归分析
3.3.3分类
3.3.4SAP预测分析之自动分析
3.3.5聚簇
3.3.6关联规则学习
3.3.7时间序列
3.3.8推荐系统
3.3.9离群点侦测
3.3.10ABC分类法
3.3.11社交网络
3.3.12自然语言处理
3.4系统设计与自动分析
3.5深度学习
3.5.1联结主义概述： 从感知器到深度学习
3.5.2CNN的生理学基础大脑视觉过程
3.5.3自动编码器与玻尔兹曼机
3.5.4稀疏编码
3.5.5卷积神经网络
3.5.6循环神经网络和长短时记忆
3.5.7深度强化学习
3.5.8生成对抗网络
3.6机器学习趋势与影响
附录3ASAP预测分析习题
参考文献
第4章基于机器学习的行业创新案例与应用
4.1行业创新案例
4.1.1零售、电商与互联网
4.1.2消费品
4.1.3金融服务
4.1.4制造业
4.1.5旅行与运输业
4.1.6石油与天然气
4.1.7公用事业
4.1.8电信
4.1.9医疗与健康
4.1.10体育与娱乐
4.1.11教育与科研
4.1.12政府
4.2数据驱动的创新应用
4.2.1SAP Hybris Marketing
4.2.2SAP客户活动库
4.2.3SAP销售洞见零售业
4.2.4SAP需求信号管理
4.2.5SAP反欺诈管理
4.3工业4.0与AI
4.3.1工业革命的共性： 信息对物质的控制
4.3.2工业4.0与物联网
4.3.3回顾与展望
参考文献
第5章机器学习：
数字经济创新的原动力
5.1网络价值： 梅特卡夫定律
5.2创新者窘境： 维持性创新vs颠覆性创新
5.3企业机器学习创新的切入点
5.3.1超个性化的客户体验
5.3.2对员工的授权和互动
5.3.3实时计划和资源优化
5.4业务与IT新核心： 数据分析
5.5SAP.iO创业孵化
5.5.1内部创业孵化项目
5.5.2SAP.iO内部创业项目的选择标准
5.6结语
参考文献
余论
附录A设计思维简介
附录B企业数字化转型简表
附录C更多信息
|
| 內容試閱：
|
前言自文艺复兴以降，启蒙运动推动历史的车轮向科学的方向滚动。工业革命以来的两百余年，科技发展的速度不断提升，成就了昌盛的现代工业文明。随着互联网、物联网和云计算的发展演进，社交网络与数百亿个传感器每秒都在产生持续的数据洪流，全球正在进入空前绝后的数字化转型阶段，物联网演进到数字孪生的新阶段，现实世界中的物理实体在虚拟的数字世界中存在一个与之对应的数字化模型，基于比特的虚拟世界摆脱了基于原子的现实世界的种种限制，衍生出无穷的创新，给人类带来堪比于工业革命的空前变革，被称为数字文艺复兴。2017年，AlphaZero、人脸识别、机器翻译、医疗影像诊断、无人超市和无人驾驶等不同领域的人工智能应用纷纷落地，人工智能驱动的黑天鹅事件频发。未来十年，人工智能将成为新的电力，大部分行业都将被人工智能改变。李开复博士认为，一半的工作将被人工智能所取代，在这个无人能置身事外的时代巨变中，机器学习特别是深度学习成为推动本轮人工智能繁荣的最强动力。SAP的愿景是使世界运转得更卓越，让人们生活得更美好。四十余年来，SAP系统产生了大量极富价值的交易数据，全球74%的GDP都会至少接触一次SAP系统。2017年5月，SAP隆重推出了SAP Leonardo数字创新系统，内置的机器学习平台为新一代商业应用提供了智能引擎，帮助企业从数字化转型所产生的海量数据中实现与创造价值。企业不仅需要将大数据转化为商业洞见，更需要重新思考数据时代对于未来业务和工作关系的影响，以及如何进行业务模式与流程的破坏式创新，保护和创造竞争优势。机器学习已成为企业开拓新市场、打造卓越用户体验、重构业务模式与流程的利器。企业进行业务创新，首先要定义业务场景。与传统实施项目不同，机器学习的创新项目可借鉴的最佳业务实践可以说是凤毛麟角，全球各行业大多如此。因此，本书收集了近年来SAP涉及全球12个行业的50多个基于机器学习进行业务创新的案例，结合设计思维，为企业进行业务场景创新抛砖引玉， 助力企业数字化转型。机器学习涉及十几种常用算法，各有其特点，常令用户在算法选择时困扰不已，更不用说算法背后的数学与统计学原理了。即使高级分析工具屏蔽了复杂的细节，算法的输出结果也难以理解，让大部分用户望而生畏。有鉴于此，本书坚持两个宗旨： 第一，以平实的语言通俗易懂地解释算法的思想和工作原理，不出现复杂的数学公式； 第二，通过例子和练习将重要的算法落地。另外，本书强调对术语的名称、历史渊源与应用场合的厘清，很多时候理解了术语名称和背景，也帮助厘清了概念，再结合理论与实践，就能掌握得更牢固。本书包括业务创新与机器学习算法这两条时常交叉的主线，试图帮助读者推开企业机器学习的一扇扇门，把已知的未知变为已知，把 未知的未知变成已知的未知，为进一步深入机器学习算法铺平道路，为利用机器学习进行业务创新提供案例、框架与工具。由于篇幅所限，更多的算法理论、数学公式的推导与实现代码可以访问https：github.comgwave, 其中包括练习所需的数据以及我在复旦大学开设的硕士生课程数据驱动的人工智能的讲义和部分不定期更新的Python 源代码。本书由邬学宁担任主编，陈泽平和曹晓华分别负责第5章与第2章部分内容的编写，王洪刚负责3.2节和3.3节的编写。本书在从最初构思到付梓经历了近三年的时间，其间多次进行结构与内容的调整，笔者力图以最精简的文字将最有价值的内容呈现给读者。在本书写作过程中，笔者得到了许多SAP同事与朋友的大力支持，特向杨焜、袁虹、米凯、关铮、沈剑蕾、于德生、倪寅凌、Howard Dai、秦斌、高凌燕、洪蓓、徐妮、余佩玟、Dahlmeier Daniel、Noga Markus、Katrin Schneider、Farooq Azam、Judith Li、Eric Du、Marc Chan、张琪伟、崔成哲、黄英、濮立新、金江、连平、葛海洋、 张平伟、王胜男、刘咏、陈继麟、范晶、臧青青、丁晓峰、米智伟、郭润平、谈盛涛、张浩明和杨林表示由衷的感谢。MIT的 Lex Fridman博士和谷歌大脑的Christopher Olah也给予了内容上的无私支持，一并表示感谢。关于阅读顺序说明如下。每章内容自成体系，可以跳跃式阅读。如果您只希望了解机器学习算法的工作原理，在看完第1章的1.1节后可直接阅读第3章； 如果您只对业务创新的应用与案例感兴趣，可将第4章和第5章作为阅读重点； 如果您希望了解企业机器学习的背景与发展趋势，可重点看第1章和第5章； 如果希望了解SAP Leonardo机器学习平台与应用，请参考第2章。由于作者水平与时间有限，虽然尽力对内容进行了精简与优化，但不当之处在所难免，恳请广大读者批评指正。
邬学宁2018年4月于上海
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
