商業分析:基於數據科學及人工智能技術的決策支持系統(原書第11版) Analytics, Data Science, & Artificial Intelligence: Systems for Decision Support, 11/e

Ramesh Sharda,Dursun Delen,Efraim Turban 譯 蔡曉妍 楊黎斌 韓軍偉 姚超 等

買這商品的人也買了...

相關主題

商品描述

本書是對分析 (或商業分析) 的技術以及用於設計和開發決策支持系統的基本方法、技術和軟件的全面介紹。
除了傳統的決策支持應用程序外,本書還介紹了人工智能、機器學習、
機器人技術、聊天機器人、物聯網和與互聯網相關的技術,通過提供示例、產品、服務和練習闡述各種類型的分析。

目錄大綱

前言
致謝
作者簡介
第一部分 分析和人工智能簡介
第1章 用於決策支持的商務智能、分析、數據科學和人工智能係統概述2
1.1 開篇小插曲:通力電梯和自動扶梯公司的智能係統是如何工作的3
1.2 不斷變化的商業環境、決策支持與分析需求5
1.3 決策過程和計算機化決策支持框架8
1.4 計算機決策支持向商務智能/分析/數據科學的發展20
1.5 分析概述29
1.6 相關領域中的分析示例37
1.7 人工智能簡介50
1.8 分析與人工智能的融合58
1.9 分析生態系統綜述63
1.10 本書規劃64
1.11 相關資源65
本章要點66
討論67
參考文獻67
第2章 人工智能:概念、驅動力、主要技術和商業應用70
2.1 開篇小插曲:INRIX解決了交通問題71
2.2 人工智能概論73
2.3 人類智能與計算機智能79
2.4 主要人工智能技術和衍生產品82
2.5 人工智能對決策的支持91
2.6 人工智能在會計中的應用95
2.7 人工智能在金融服務中的應用97
2.8 人工智能在人力資源管理中的應用101
2.9 人工智能在營銷、廣告和客戶關係管理中的應用103
2.10 人工智能在生產運營管理中的應用107
本章要點109
討論110
參考文獻111
第3章 數據性質、統計建模和可視化113
3.1 開篇小插曲:SiriusXM通過數據驅動型營銷吸引新一代的廣播消費者114
3.2 數據的性質117
3.3 簡單的數據分類法120
3.4 數據預處理的藝術和科學124
3.5 用於業務分析的統計建模133
3.6 用於推論統計的回歸建模143
3.7 業務報告154
3.8 數據可視化157
3.9 不同類型的圖表和圖形162
3.10 視覺分析的出現165
3.11 信息儀表板172
本章要點177
討論177
參考文獻178
第二部分 預測性分析/機器學習
第4章 數據挖掘過程、方法和算法182
4.1 開篇小插曲:美國邁阿密戴德警察局使用預測性分析來預測和打擊犯罪182
4.2 數據挖掘概念186
4.3 數據挖掘應用196
4.4 數據挖掘過程199
4.5 數據挖掘方法206
4.6 數據挖掘軟件工具221
4.7 數據挖掘隱私問題、誤解和失誤227
本章要點231
討論232
參考文獻233
第5章 用於預測性分析的機器學習技術234
5.1 開篇小插曲:預測建模有助於更好地理解和管理複雜的醫療程序234
5.2 神經網絡的基本概念237
5.3 神經網絡架構241
5.4 支持向量機245
5.5 基於過程的支持向量機使用方法254
5.6 用於預測的最鄰近法256
5.7 樸素貝葉斯分類法260
5.8 貝葉斯網絡268
5.9 集成建模274
本章要點286
討論287
參考文獻288
第6章 深度學習和認知計算290
6.1 開篇小插曲:利用深度學習和人工智能打擊欺詐291
6.2 深度學習介紹294
6.3 “淺”神經網絡基礎299
6.4 基於神經網絡系統的開發流程308
6.5 闡明ANN黑箱原理314
6.6 深度神經網絡317
6.7 卷積神經網絡323
6.8 循環網絡和長短期記憶網絡334
6.9 實現深度學習的計算機框架341
6.10 認知計算344
本章要點354
討論356
參考文獻357
第7章 文本挖掘、情感分析和社交分析360
7.1 開篇小插曲:Amadori集團將消費者情感轉化為近實時銷售361
7.2 文本分析和文本挖掘概述363
7.3 自然語言處理369
7.4 文本挖掘應用375
7.5 文本挖掘過程382
7.6 情感分析390
7.7 Web挖掘概述401
7.8 搜索引擎406
7.9 Web使用情況挖掘(Web分析)413
7.10 社交分析419
本章要點428
討論429
參考文獻430
第三部分 規範性分析和大數據
第8章 規範性分析:優化與仿真434
8.1 開篇小插曲:費城學區使用規範性分析來尋找外包巴士路線的解決方案435
8.2 基於模型的決策436
8.3 決策支持的數學模型的結構442
8.4 確定性、不確定性和風險444
8.5 電子表格決策模型446
8.6 數學規劃優化450
8.7 多重目標、靈敏度分析、假設分析和單變量求解460
8.8 基於決策表和決策樹的決策分析464
8.9 仿真簡介466
8.10 視覺交互仿真473
本章要點478
討論479
參考文獻479
第9章 大數據、雲計算和位置分析:概念和工具481
9.1 開篇小插曲:在電信公司中使用大數據方法分析客戶流失情況482
9.2 大數據定義485
9.3 大數據分析基礎490
9.4 大數據技術494
9.5 大數據與數據倉庫503
9.6 內存分析和Apache Spark508
9.7 大數據和流分析514
9.8 大數據提供商和平台519
9.9 雲計算和業務分析526
9.10 基於位置的組織分析537
本章要點544
討論544
參考文獻545
第四部分 機器人、社交網絡、人工智能與物聯網
第10章 機器人:工業和消費者領域的應用548
10.1 開篇小插曲:機器人為患者和兒童提供情感支持548
10.2 機器人技術概述551
10.3 機器人技術的歷史552
10.4 機器人技術的應用實例554
10.5 機器人的組件563
10.6 各種各樣的機器人565
10.7 無人駕駛汽車:運動中的機器人566
10.8 機器人對當前和未來工作的影響569
10.9 機器人和人工智能的法律含義571
本章要點574
討論575
參考文獻575
第11章 群體決策、協作系統和AI支持578
11.1 開篇小插曲:HMS與團隊合作表現出色579
11.2 分組決策:特點、過程、好處和機能障礙581
11.3 使用計算機系統支持團隊工作和團隊協作584
11.4 軟件支持團隊通信與協作586
11.5 計算機直接支持集體決策590
11.6 集體智慧和合作智慧595
11.7 眾包作為決策支持的一種方法599
11.8 人工智能和群體人工智能支持團隊協作和群體決策603
11.9 人機協作和機器人團隊607
本章要點611
討論612
參考文獻612
第12章 知識系統:專家系統、人、聊天機器人、虛擬個人助理和機器人顧問614
12.1 開篇小插曲:絲芙蘭與聊天機器人的出色表現615
12.2 專家系統和人616
12.3 聊天機器人的概念、驅動程序和好處626
12.4 企業聊天機器人630
12.5 虛擬個人助理638
12.6 聊天機器人作為專業顧問(機器人顧問)643
12.7 實施問題648
本章要點650
討論651
參考文獻652
第13章 物聯網智能應用平台654
13.1 開篇小插曲:CNH Industrial利用物聯網異軍突起654
13.2 物聯網要素656
13.3 物聯網的主要優勢和驅動因素660
13.4 物聯網的工作原理662
13.5 傳感器及其在物聯網中的作用663
13.6 物聯網應用示例668
13.7 智能家居和家電670
13.8 智慧城市和工廠674
13.9 自動駕駛汽車682
13.10 實施物聯網和管理的考慮因素685
本章要點688
討論689
參考文獻689
第五部分 關於分析和人工
智能的說明
第14章 實施人工智能的問題:從倫理和隱私到組織和社會影響694
14.1 開篇小插曲:為什麼優步向Waymo支付2.45億美元694
14.2 實施智能係統概述696
14.3 法律、隱私和倫理問題698
14.4 成功部署智能係統705
14.5 智能係統對組織的影響708
14.6 智能係統對職業和工作的影響714
14.7 機器人、人工智能和分析建模的潛在危險721
14.8 相關技術趨勢724
14.9 智能係統的未來728
本章要點733
討論733
參考文獻734
術語表737