新書推薦：
《
双城史
》
售價：NT$
505.0
《
冯友兰和青年谈心系列：不是问题的问题（哲学大师冯友兰和年轻人谈心，命运解读）
》
售價：NT$
254.0
《
月与蟹（青鲤文库）荣获第144届直木奖，天才推理作家经典作品全新译本。一部青春狂想曲，带你登上心理悬疑之巅。
》
售價：NT$
230.0
《
索恩丛书·盛清统治下的太监与皇帝
》
售價：NT$
403.0
《
透过器物看历史（全6册）
》
售價：NT$
2234.0
《
我在台北故宫博物院读名画
》
售價：NT$
500.0
《
尼罗河往事：古埃及文明4000年
》
售價：NT$
347.0
《
一个人·谁也不是·十万人（诺贝尔文学奖得主反思自我的巅峰之作）
》
售價：NT$
250.0
|
| 編輯推薦： |
1.什么是机器学习和AI。
2.组织机构使用AI的目的何在。
3.预测模型究竟是什么样的。
4.AI、机器学习和大数据之间的互动关系如何。
5.应用AI所需的人员素质和工具类别。
6.如何使用AI来改善业务流程和盈亏平衡点。
7.在开发基于AI的解决方案时需要考虑的法律和道德问题。
8.如何应用先进的机器学习形式来驱动AI应用程序的研发。
9.目前机器学习和AI的局限性。
本书采用非技术的语言一一做出回答，超实用的、文科生也能看懂的极简AI书！
|
| 內容簡介： |
人工智能（AI）和机器学习是当代主流的商业分析工具，可应用于许多行业，以增加利润、降低成本、挽救险局并改善客户体验。因此，企业应该要了解如何使用这些工具，并知道如何利用这些工具在与对手的竞争中获利。
本书引入了与这些主题（AI、机器学习、大数据技术）相关的概念，并用非技术的语言降低了对技术术语的理解难度，可为经理和商务人士提供简洁明快的入门知识。本书的重点是实际应用以及如何与技术专家（数据科学家）进行合作，以最大限度地发挥这些技术的优势。
此第3版已经过大幅修订和更新，增加了几个新的章节，涵盖了比以往版本更广泛的主题，但保留了原始版本的严肃风格。
|
| 關於作者： |
史蒂文•芬利（Steven Finlay）是一位数据科学家，在大规模数据环境中开发实用的“增值”机器学习解决方案已有 20多年的经验。他拥有预测建模博士学位，并且是英国兰开斯特大学的荣誉研究员。
芬利博士之前曾受雇于英国十大银行之一，管理其信贷风险模型，为英国政府开发机器学习方法，并为多家咨询集团工作。他目前是英国计算机股份贷款服务公司 Computershare Loan Services（CLS）的商务分析主管。
芬利博士出版过多本关于机器学习、人工智能（ AI）和金融服务的实用性书籍。
|
| 目錄：
|
译者序
前言
作者简介
1.简介 001
2.什么是机器学习和人工智能（AI）？ 007
3.预测模型生成的分数代表什么? 021
4.为什么使用机器学习 ?它增加了什么价值? 029
5.机器学习是如何工作的? 035
6.使用预测模型做出决策 047
7.这是记分卡，那决策树是什么 ？ 053
8.神经网络和深度学习 059
9.无监督学习和强化学习 071
10. 如何建立预测模型？ 085
11. 实施机器学习 101
12. 大数据与机器学习的关系 113
13. 道德、法律和 GDPR 119
14. 机器学习的最新前沿 133
15. 我们何时可以购买无人驾驶汽车？ 143
16. 结束语 153
附录 155
附录 A 评估预测模型 155
附录 B 更多信息及推荐阅读文献 163
附录 C 机器学习和人工智能中的流行术语 169
附录 D 业务成功清单 183
注释 187
|
| 內容試閱：
|
前言
单程56分钟，往返 112分钟，这是通勤列车从我的家乡普雷斯顿前往英国大城市曼彻斯特的时间。我发现这是一个理想的阅读时间。因此，我认为一本关于人工智能（ AI）和机器学习的简洁读物，对于没有太多空闲时间的人来说利用这个时间段阅读非常合适。
对机器学习的理解很重要，因为它对我们生活的许多方面产生了巨大的影响。特别是，它推动“ AI”在语言翻译、自主机器人和医疗诊断等许多应用领域呈现爆炸式增长。
AI和机器学习也对许多日常业务产生直接影响。基于机器学习的自动化系统正在取代曾经由人类承担的众多任务。这使得拥有这些技术的组织比其竞争对手更具竞争优势，因为这样的系统可以提高效率并改善客户服务。
本书的第3版比上一版内容多很多，特别是有几个新的章节涵盖了比以前更广泛的主题。但是，我努力保留原作的“简洁”风格，因为这是读者喜欢它的一个关键原因。因此，本书现在可能需要花费超过 112分钟才能读完（需要两次往返曼彻斯特的时间而不是一次），但是我希望您能找到合适的阅读时间。
|
|
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
