新書推薦：
《
千万别喝南瓜汤（遵守规则绘本）
》
售價：NT$
203.0
《
大模型启示录
》
售價：NT$
510.0
《
东法西渐：19世纪前西方对中国法的记述与评价
》
售價：NT$
918.0
《
养育男孩：官方升级版
》
售價：NT$
230.0
《
小原流花道技法教程
》
售價：NT$
500.0
《
少女映像室 唯美人像摄影从入门到实战
》
售價：NT$
505.0
《
詹姆斯·伍德系列：不负责任的自我：论笑与小说（“美国图书评论奖”入围作品 当代重要文学批评家詹姆斯·伍德对“文学中的笑与喜剧”的精湛研究）
》
售價：NT$
398.0
《
武当内家散手
》
售價：NT$
230.0
|
| 編輯推薦： |
如何从业务到技术，
从学习到实践，
从治理到应用，
构建完整的大数据智能知识结构与技术体系？
本书会给读者提供一个大数据智能核心技术体系的入门学习和应用参考指南
|
| 內容簡介： |
本书跟从大数据和人工智能应用的融合之路，通过分析和解读整个数据驱动智能核心技术，希望能给读者提供一个大数据智能核心技术体系的入门学习和应用参考指南。本书前半部分内容重在核心技术解读：包括大数据智能的概论、大数据智能核心技术体系的多维解读、深度学习关键技术要点的分析，大数据智能应用三段论和敏捷大数据方法论的提出等内容。后半部分内容重在应用实践的探讨，深入分析了当前大数据智能独角兽Palantir、AlphaGo、Watson等核心产品和技术，并从个人学习到工程实践，从企业应用到政府治理，从业务理解到技术选型等多个层面，逐一解读大数据智能技术在学习、应用过程中面临的关键问题、陷阱，并给出参考意见。
本书通过核心技术解读帮助读者学习、理解、应用大数据智能，具有重要的参考价值。本书适合的读者包括关注大数据和人工智能相关技术领域的在校学生、个人学习者和研发工程师、技术主管、企业高管、政府管理人员等。
|
| 關於作者： |
|
杜圣东，西南交通大学信息科学与技术学院（人工智能研究院），讲师，大数据与人工智能方向在职博士，硕士与本科毕业于重庆大学计算机学院。兼任多家单位技术顾问和大数据培训专家，曾为中国中车集团、广州地铁集团、成都铁路局等多家企事业单位做大数据和人工智能培训讲座。首次提出了敏捷大数据方法论，在数据挖掘、商业智能、机器学习和交通、政务、医疗大数据等领域有10余年的系统研发、管理与咨询经验。迄今为止，主研国家自然科学基金和国家重点研发计划项目4项、主持企业课题和产品研发20余项，获得专利和软件著作权6项，发表论文10余篇。
|
| 目錄：
|
第1章大数据智能概论1
1大数据现象的本质1
大数据源起：先知的诱惑1
从《琅琊榜》看大数据本质3
2大数据是个筐，什么都能往里装5
大数据技术业务概览6
为什么叫大数据智能7
3何谓大数据智能7
图灵的智能之问7
大数据如何助力人工智能9
大数据智能的深度融合之路11
4大数据智能三要素12
数据：智能燃料13
算法：智能引擎14
算力：智能加速15
5大数据智能的马太效应16
DT技术新解16
强者越强，弱者越弱18
挑战才刚刚开始19
第2章多维度解构大数据智能技术21
1 四位一体看大数据智能21
大数据智能技术的四个维度22
云计算的支撑地位24
2大数据智能产业链版图26
百家争鸣的DT生态27
开源的巨大推动力29
3大数据智能的关键技术体系31
大数据智能总体应用架构31
大数据智能的基础支撑技术34
大数据智能应用流程优化39
4从数据科学看大数据智能43
什么是数据科学43
数据科学的核心技术44
数据科学的技术体系47
数据科学的艺术48
5从商业智能看大数据智能50
商业智能应用的问题50
BI如何借力大数据智能52
大数据智能与BI的融合之路53
6智能时代的基础信息架构54
DT基础设施：云端数据智能54
Hadoop大数据管理：三个臭皮匠，赛过诸葛亮55
OpenStack云计算：一切皆服务58
TensorFlow深度学习：流动的张量59
第3章大数据驱动的深度智能63
1深度学习的崛起63
早期AI的发展64
猫狗AI的野蛮生长65
深度学习正在重塑机器智能69
2机器如何智能：从感知到认知70
何谓机器智能70
机器智能的三个层次71
智能技术及应用体系72
3机器如何学习：从知识到数据73
符号派AI的瓶颈73
浅层学习：小数据驱动的机器学习1.076
深度学习：大数据驱动的机器学习2.083
4机器学习五大学派84
机器学习主流方向84
机器学习算法不完全概览87
机器学习技术选型88
5神经网络的三起两落90
神经元与神经网络90
神经网络研究的泡沫与价值92
6深度学习原理及核心网络结构94
机器如何深度学习94
自动特征工程：抽象与迭代96
深度学习的关键词97
深度学习的主流网络结构100
7深度强化学习：深度感知 强化决策108
什么是强化学习108
AlphaGo的深度强化策略109
8深度学习的深度价值110
类脑学习参考111
无监督自动特征工程112
多种学习方式的融合112
9深度学习的瓶颈与挑战113
如何从感知到认知114
如何从监督学习到无监督学习114
学习方式及应用场景的局限115
多模态、多任务增量学习和模型重用116
可解释性、安全性与鲁棒性116
大数据、大模型与计算资源的瓶颈118
第4章敏捷大数据智能121
1为什么需要敏捷121
大数据应用落地的瓶颈121
敏捷大数据的重要性123
2敏捷大数据方法论126
精益与敏捷思想127
敏捷大数据定义及核心原则130
大数据小应用132
敏捷大数据应用流程132
3微服务、容器与数据融合134
微服务与容器技术134
多层次数据融合技术137
4敏捷大数据智能技术架构139
5结论与展望144
第5章大数据智能独角兽探秘146
1Palantir的本体人机共生146
B2B大数据领域的独角兽146
Palantir的产品体系及应用案例147
Palantir架构设计：敏捷大数据的优美实现151
Palantir数据融合：本体论与数据索引映射152
Palantir智能计算：多维关联挖掘与全链分析155
Palantir人机交互：动态可视化与人机共生156
总结与启示158
2Google的深度智能样板工程159
狗的诞生160
AlphaGo的类脑学习框架160
AlphaGo零的进化162
总结与启示164
3IBM的认知智能164
Watson的源起165
认知智能与自然语言理解166
Watson的认知智能平台架构168
Watson DeepQA关键技术169
Watson认知智能的强与弱171
总结与启示172
4TensorFlow的Android式进化173
TensorFlow的开源173
为什么要讲Android174
Google云端大数据智能战略175
总结与启示177
第6章大数据智能个人学习篇：入门与实践178
1智能时代的学习革命178
机器智能的助力178
牛津大学的职业淘汰率研究179
2大数据智能技术盲人摸象181
3大数据智能3 3学习路线183
学习的三个阶段：把握技术发展的时间线183
学习的三种方式：应用导向是关键186
4如何避免大数据智能学习的误区189
要业务驱动，不要技术驱动189
要以点带面，不要贪大求全190
要善用开源技术，不要重造轮子191
要勇于实践，不要纸上谈兵192
5Kaggle，众包与大数据教育193
6三种核心职业角色194
数据分析师：重在业务理解和探索196
数据工程师：重在数据管理和系统实现196
数据科学家：重在解决问题和统筹决策197
7理性看待所谓的风口198
第7章大数据智能企业应用篇：战略与规划201
1智能时代的商业革命201
2大数据智能应用全周期模型203
3如何避免大数据智能应用的陷阱207
第一问：我属于什么级别的玩家207
第二问：大数据于我是伪需求还是真需求207
第三问：如何自行定位大数据应用价值208
第四问：技术驱动、数据驱动还是业务场景驱动209
第五问：我是否准备好打一场大数据应用持久战210
第六问：我是否清楚大数据偏见、技术局限与管理风险213
4大数据应用战略214
第8章大数据智能政府管理篇：治理与决策217
1智能时代的治理革命217
2政务大数据治理挑战218
第一问：如何处理集中与开放的矛盾219
第二问：如何推进政务大数据治理和决策优化219
第三问：如何降低政务数据治理带来的负面影响220
3政务大数据治理与应用框架220
管理和治理是基础221
技术和算法是手段222
决策和服务是目的223
4政务大数据决策安全224
国防决策安全224
公共决策安全224
经济决策安全225
科技决策安全226
5应用标准与落地应用的悖论226
数据安全标准227
数据质量标准227
数据交互标准227
数据开放标准228
6政务治理的现代化228
第9章结语230
1认知泡沫与应用价值230
2机器智能与人类智能231
3人技融合，学以治用234
4智能时代，我们将走向何方235
致谢236
|
| 內容試閱：
|
自序
我们所生活的世界，就像一片数据混沌（Data Chaos），大数据爆炸式增长并以惊人的速度进行传播，社交网络的实时性打破了数据发布的时空限制，信息流动的速度、广度和深度让传统管理决策模式面临挑战，还有科技高速发展所带来的冲击都在加大未来的不确定性。如何从数据混沌中发现规律，成为预测未来的先知，是历代人类的梦想。不管是古人的占卜，前几年的专家系统、数据挖掘、商业智能，还是当下的机器学习、人工智能、深度学习等技术应用，都源于降低未来的不确定性这一本源需求。软件在加速吞噬物理世界，大数据在淹没我们有限的大脑认知，而大部分人对其技术原理和特性却知之甚少。我们寄希望于大数据智能技术这根救命稻草，帮助我们面向过去，发现数据规律，归纳已知；面向未来，学习数据趋势，预测未知，从而提升对事物的理解和决策处置能力。然而，要达到这一目标并不容易，人工智能发展60年，进展缓慢，直到现在才出现些许曙光。
DT（Data Technology）时代，大数据驱动的人工智能技术生逢其时，从战胜人类顶尖棋手、帮助发现引力波到自动驾驶、精准医疗、安全防控等，就像望远镜改变了我们对宇宙的看法，显微镜改变了我们对微观世界的认知，而通过大数据智能技术来解构我们亲手塑造的数字世界，代表了一种新的认知范式。可以预见的是，随着深度智能技术的高速发展和这一拨猫狗AI工程的野蛮生长，人类正在大踏步迈入大数据智能时代。面对兴起的大数据智能热潮，如何应对新兴技术应用带来的挑战？我们又有多少深入的理解？对于技术、架构、算法、伦理、趋势知多少？甲骨文CEO Larry Ellison（拉里埃里森）曾说过：信息科技是唯一能媲美好莱坞的产业，技术明星可能比荧幕明星陨落得更快。前沿信息技术从来不缺流行词，从IT到DT，从移动互联网到物联网，从云计算到框计算，从数据库到数据湖，从云存储到区块链，从大数据到大数据智能。当谈及人工智能时，更是这样，有机器智能，还有计算智能；有机器学习，还有深度学习；有感知计算，还有认知计算；有Watson还有AlphaGo；有TensorFlow还有Pytorch。一堆眼花缭乱的技术名词和系统框架，让人云里雾里，内行要全面掌握已是困难重重，外行要摸出门道，可谓难上加难。
面对庞杂的大数据智能科学与技术生态体系，还有眼花缭乱的技术热词，有的是新瓶装旧酒，有的是全新的技术理念和架构，有的是一阵风突然冒出又很快散去，有的是三起两落几十年而不倒上述种种技术我们如何快速入门，把握重点，理解本质，并有效学习和应用？这是一大挑战！市面上的同领域作品要么偏社科解读，浮于概念介绍；要么偏技术细节，局限于某个技术点。
如何从业务到技术，从学习到实践，从治理到应用，抽丝剥茧、拨开数据驱动智能科学与技术迷雾，洞察大数据和人工智能相关技术生态的全景视图，构建完整的大数据智能知识结构与技术体系？这是一大难题！笔者跟从大数据和人工智能应用的融合之路，通过分析和解读整个数据驱动智能科学技术，希望能给读者提供一个大数据智能核心技术体系的入门学习和应用参考指南。本书写作初衷即基于此，无奈水平有限、涉猎有限、精力有限，难免有遗误的地方，还望同行批评指正。如能为读者提供一点点有益的参考，则心愿足矣。
杜圣东
2018年10月
|
|
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
