新書推薦：
《
天下的当代性：世界秩序的实践与想象（新版）
》
售價：HK$
77.3
《
德国天才4：断裂与承续
》
售價：HK$
109.8
《
妈妈的情绪，决定孩子的未来
》
售價：HK$
42.6
《
推拿纲目
》
售價：HK$
403.2
《
精致考古--山东大学实验室考古项目论文集（一）
》
售價：HK$
244.2
《
从天下到世界——国际法与晚清中国的主权意识
》
售價：HK$
76.2
《
血色帝国：近代英国社会与美洲移民
》
售價：HK$
58.2
《
海外中国研究·王羲之：六朝贵族的世界（艺术系列）
》
售價：HK$
178.1
|
| 內容簡介： |
|
处在大数据时代发展的重要节点上，面对数字化生活的新需求、数字化转型的新格局及数字经济的新业态，商务智能正在扮演着越来越重要的角色。商务智能通过数据挖掘和机器学习技术从海量多模态数据中发现潜在、新颖和有用的知识，以支持管理与决策。它是内在技术的，同时也是面向管理决策问题的。本书旨在把握前沿趋势，以基础篇、方法篇、专题篇三大板块的形式，为读者提供一个技术与管理的融合视角，介绍和阐释商务智能领域的主要知识内涵，包括面向管理决策的商务智能基本原理、主流方法、应用情境和发展前景，帮助读者理解如何通过商务智能进行大数据/人工智能分析和赋能，从而提升组织和个体的核心能力及其竞争优势。
|
| 目錄：
|
基 础 篇
第1章 引言003
1．1 商务智能简介004
1．2 商务智能与信息社会007
1．2．1 信息技术提升信息社会发展水平007
1．2．2 商务智能是信息社会的产物010
1．2．3 商务智能是信息社会繁荣的推动力011
1．3 商务智能与企业管理013
1．3．1 商务智能在企业管理中的作用013
1．3．2 商务智能协助企业管理的方式014
1．3．3 商务智能的商业价值015
1．4 商务智能的方法016
1．5 商务智能的数据019
小结020
思考与练习021
第2章 商务智能应用022
2．1 制造领域应用023
2．2 金融领域应用026
2．3 通信领域应用029
2．4 生物和医药领域应用031
2．5 零售和营销领域应用033
2．6 移动商务应用036
2．7 社会化商务应用037
小结039
思考与练习040
第3章 商务智能过程041
3．1 数据库与事务处理043
3．1．1 数据库与数据库管理系统043
3．1．2 在线事务处理044
3．2 数据仓库与在线分析处理045
3．2．1 从事务处理到分析处理045
3．2．2 数据仓库047
3．3 企业知识发现050
3．3．1 OLAP与知识发现051
3．3．2 企业内部知识发现052
3．3．3 企业外部知识发现052
小结054
思考与练习054
第4章 数据平台055
4．1 数据处理技术演进056
4．2 数据仓库过程与体系结构058
4．3 数据集成、提取与转换060
4．3．1 数据提取060
4．3．2 数据转换062
4．3．3 数据加载063
4．3．4 ETL设计与开发063
4．4 数据仓库开发、管理与安全064
4．4．1 数据仓库开发模式064
4．4．2 数据仓库设计066
4．4．3 数据仓库的逻辑数据模型068
4．4．4 元数据070
4．4．5 数据仓库的安全072
4．5 分布式数据平台074
4．5．1 分布式数据平台概念074
4．5．2 分布式数据平台与功能组件075
4．6 云数据平台078
4．6．1 云数据平台概念078
4．6．2 云数据平台与商务智能079
小结081
思考与练习081
第5章 构建商务智能环境083
5．1 商务智能环境084
5．1．1 确定数据可用的能力084
5．1．2 数据挖掘的能力085
5．1．3 用户与系统交互的能力085
5．2 商务智能组织086
5．2．1 外包商务智能088
5．2．2 内给商务智能089
5．2．3 商务智能组织成员090
5．3 商务智能系统090
5．3．1 商务智能基础设施090
5．3．2 商务智能系统软件091
5．3．3 商务智能系统产品094
小结096
思考与练习096
方 法 篇
第6章 数据预处理099
6．1 数据预处理简介100
6．1．1 数据预处理的原因100
6．1．2 数据预处理的目的102
6．1．3 数据预处理的方法102
6．2 数据清洗103
6．2．1 缺失数据处理103
6．2．2 噪声数据处理105
6．3 数据集成、规范与归纳107
6．3．1 数据集成处理107
6．3．2 数据规范化处理108
6．3．3 数据归纳处理110
6．4 数据消减115
6．4．1 数据冗余清除115
6．4．2 数据采样116
6．4．3 数据立方合计117
6．4．4 数据属性选取与生成118
6．4．5 数据压缩120
6．4．6 数据离散化与概念分层121
小结124
思考与练习125
第7章 关联规则126
7．1 关联规则简介127
7．2 关联规则挖掘方法130
7．3 关联规则兴趣性133
7．4 关联规则知识形式扩展136
7．4．1 广义关联规则136
7．4．2 数量关联规则138
7．4．3 时态关联规则139
7．5 简单关联规则140
小结143
思考与练习144
第8章 分类分析145
8．1 分类分析简介146
8．2 决策树分类147
8．2．1 决策树构建148
8．2．2 决策树剪枝151
8．3 贝叶斯分类153
8．3．1 贝叶斯定理153
8．3．2 简单贝叶斯分类器153
8．3．3 贝叶斯信念网络155
8．4 其他分类方法157
8．4．1 神经元网络分类157
8．4．2 支持向量机分类157
8．4．3 懒惰型分类器158
8．5 分类准确率159
8．5．1 分类准确率比较与评估159
8．5．2 提高分类器的准确率164
小结165
思考与练习165
第9章 聚类分析167
9．1 聚类分析简介168
9．2 相似度与距离测度169
9．3 聚类分析方法172
9．3．1 划分方法172
9．3．2 层次方法173
9．3．3 基于密度的方法175
9．3．4 基于网格的方法175
9．3．5 基于模型的方法176
9．4 k-means方法176
9．5 DBSCAN方法179
小结184
思考与练习185
第10章 社会网络分析186
10．1 社会网络的中心性187
10．1．1 度中心性188
10．1．2 贴近中心性188
10．1．3 中介中心性189
10．2 社会网络的权威190
10．2．1 度权威190
10．2．2 邻近权威191
10．2．3 等级权威192
10．3 引用社会网络192
10．3．1 同引分析192
10．3．2 引文耦合193
10．4 社会网络的链接分析193
10．4．1 PageRank算法194
10．4．2 HITS算法196
10．5 社会网络中的社区198
小结199
思考与练习200
第11章 概率图模型201
11．1 概率图模型简介202
11．2 朴素贝叶斯模型203
11．3 隐马尔可夫模型205
11．3．1 马尔可夫过程205
11．3．2 隐马尔可夫建模与处理206
11．4 高斯混合模型209
11．5 LDA模型211
小结214
思考与练习215
第12章 神经元网络216
12．1 神经元网络简介217
12．2 前馈神经元网络218
12．2．1 神经元218
12．2．2 激活函数218
12．2．3 前馈神经元网络220
12．3 卷积神经元网络222
12．3．1 卷积层222
12．3．2 汇聚层224
12．3．3 卷积神经元网络结构225
12．3．4 典型卷积神经元网络225
12．4 循环神经元网络226
12．4．1 循环神经元网络基础结构227
12．4．2 长/短期记忆网络228
12．4．3 门控循环单元网络230
12．5 注意力机制231
12．5．1 多头注意力模型232
12．5．2 自注意力模型232
小结234
思考与练习234
第13章 多模态数据表征236
13．1 文本表征237
13．1．1 词袋模型237
13．1．2 Word2vec模型239
13．1．3 Doc2vec模型240
13．1．4 主题模型241
13．2 图像表征243
13．3 音频表征244
13．4 视频表征247
小结248
思考与练习248
专 题 篇
第14章 信息提取与洞察251
14．1 “大数据―小数据”问题概述252
14．2 代表性信息提取254
14．2．1 代表性评估测度254
14．2．2 代表性信息提取方法255
14．3 一致性信息提取257
14．3．1 一致性评估测度258
14．3．2 一致性信息提取方法259
14．4 多样性信息提取260
14．4．1 多样性评估测度261
14．4．2 多样性信息提取方法262
小结263
思考与练习264
第15章 关联分类265
15．1 生成分类关联规则266
15．2 分类关联规则剪枝269
15．2．1 后剪枝方式269
15．2．2 先剪枝方式272
15．3 构建分类器275
15．3．1 单一规则分类器275
15．3．2 多规则分类器277
15．4 混合型关联分类278
15．5 GARC方法解析278
15．5．1 GARC思路与算法框架279
15．5．2 数据实验与方法比较282
小结285
思考与练习286
第16章 不确定性知识发现288
16．1 不确定性信息表达289
16．2 分区中的边界问题296
16．3 数据间的部分隶属性300
16．4 不完整数据依赖303
小结307
思考与练习307
第17章 智能推荐309
17．1 信息推荐方法310
17．1．1 推荐系统概述310
17．1．2 协同过滤推荐方法312
17．1．3 推荐系统评测指标314
17．1．4 消费者信息搜索过程中的推荐316
17．2 多模态信息推荐319
17．2．1 多模态信息表征320
17．2．2 多视图信息整合322
17．2．3 商品推荐场景322
17．3 序列推荐323
17．4 捆绑推荐325
小结328
思考与练习328
第18章 商务智能的经济社会影响与发展329
18．1 商务智能与管理决策330
18．2 商务智能的发展趋势332
18．2．1 移动商务智能332
18．2．2 人工智能赋能333
18．2．3 数据安全与隐私保护334
18．2．4 数据治理336
小结337
思考与练习338
参考文献339
索引词检索目录362
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
