认知计算与大数据分析PDF|Epub|txt|kindle电子书版本网盘下载

认知计算与大数据分析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 认知计算的基础1

1.1 新一代的认知计算2

1.2 认知系统的使用2

1.3 系统认知的组成3

1.4 从数据中获取信息4

1.5 作为认知计算基础的人工智能6

1.6 理解认知10

1.7 关于判断和选择的两个系统12

1.7.1 系统1——自动思考：直觉和偏向13

1.7.2 系统2——被控制的，以规则为中心且专注的努力14

1.8 理解系统间的复杂关系15

1.9 认知系统的元素17

1.9.1 基础设施和部署模式18

1.9.2 数据访问、元数据和管理服务18

1.9.3 语料库、分类系统和数据分类18

1.9.4 数据分析服务19

1.9.5 持续机器学习19

1.9.6 学习的过程19

1.9.7 呈现与可视化服务20

1.9.8 认知应用20

1.10 总结21

第2章 认知系统的设计原则23

2.1 认知系统的组成24

2.2 建立语料库24

2.3 输入数据到认知系统28

2.3.1 利用内部与外部数据源28

2.3.2 数据访问和特征提取服务29

2.3.3 分析服务30

2.4 机器学习30

2.4.1 在数据中发现模式31

2.4.2 监督学习31

2.4.3 强化学习33

2.4.4 无监督学习34

2.5 假设的生成与评定35

2.5.1 假设生成36

2.5.2 假设评定37

2.6 呈现和可视化服务38

2.7 总结40

第3章 自然语言处理支持下的认知系统41

3.1 自然语言处理在认知系统中的角色42

3.1.1 上下文的重要性42

3.1.2 根据含义关联词语44

3.1.3 理解语言学45

3.1.4 语言识别和标记45

3.1.5 音韵学46

3.1.6 词态学46

3.1.7 词法分析47

3.1.8 语法和句法分析47

3.1.9 构式语法48

3.1.10 话语分析48

3.1.11 语用学49

3.1.12 解决结构歧义的技巧49

3.1.13 隐马尔可夫模型的重要性50

3.1.14 语义消歧51

3.2 语义网51

3.3 将自然语言技术应用到商业问题52

3.3.1 改善购物体验52

3.3.2 利用物联网连接的世界53

3.3.3 顾客的声音53

3.3.4 欺诈检测54

3.4 总结55

第4章 大数据和认知计算的关系57

4.1 处理人造数据57

4.2 定义大数据58

4.3 大数据结构基础59

4.3.1 大数据的物理基础59

4.3.2 安全体系结构60

4.3.3 操作性数据库60

4.3.4 数据服务和工具62

4.4 分析数据仓库63

4.5 Hadoop64

4.6 动态数据和流数据68

4.7 大数据与传统数据结合70

4.8 总结70

第5章 在分类学和本体论中表示知识71

5.1 表示知识71

5.2 定义分类学和本体论73

5.3 解释如何表示知识75

5.4 知识表示模型80

5.4.1 分类学80

5.4.2 本体论81

5.4.3 其他知识表示方法83

5.4.4 持久性和状态的重要性84

5.5 实施注意事项85

5.6 总结85

第6章 应用于认知计算的高级分析方法87

6.1 高级分析正在向认知计算发展87

6.2 高级分析的关键性能91

6.2.1 统计学、数据挖掘和机器学习之间的关系91

6.2.2 在分析过程中使用机器学习92

6.2.3 预测分析97

6.2.4 文本分析99

6.2.5 图像分析100

6.2.6 语音分析102

6.3 使用高级分析创造价值103

6.4 开源工具对高级分析的影响105

6.5 总结105

第7章 认知计算中云和分布式计算的作用107

7.1 利用分布式计算分享资源107

7.2 为什么云服务是认知计算系统的根本108

7.3 云计算的特征108

7.4 云计算模型109

7.4.1 公共云110

7.4.2 私有云111

7.4.3 受管理的服务提供商112

7.4.4 混合云模型112

7.5 云的分发模型115

7.5.1 基础设施即服务115

7.5.2 软件即服务116

7.5.3 平台即服务118

7.6 管理作业负载118

7.7 安全和治理119

7.8 云端数据整合和管理120

7.9 总结120

第8章 认知计算的商业意义121

8.1 为改变做准备121

8.2 新颠覆型模式的特点122

8.3 知识对于商业意味着什么123

8.4 认知系统方法的特点124

8.5 通过不同的方式将数据网格化125

8.6 用商业知识规划未来127

8.7 解决商业问题的新方法129

8.8 创建商业特定解决方案130

8.9 让认知计算成为现实131

8.10 认知应用如何改变市场131

8.11 总结132

第9章 IBM沃森（Watson）——一个认知系统133

9.1 沃森系统的定义133

9.2 “极限挑战”促进研究135

9.3 沃森为《危险边缘》做准备135

9.4 沃森为商业应用做准备137

9.5 DeepQA结构组成部分140

9.5.1 构建沃森语料库：答案和证据来源141

9.5.2 问题分析143

9.5.3 假设生成148

9.5.4 评分和置信度评估149

9.6 总结150

第10章 建立认知应用的过程151

10.1 新兴的认知平台152

10.2 明确对象153

10.3 明确领域153

10.4 了解适用对象并明确它们的属性154

10.5 明确问题并探索见解155

10.5.1 典型问答对156

10.5.2 预知系统157

10.5.3 获得相关数据源158

10.6 建立和更新语料库160

10.6.1 准备数据161

10.6.2 导入数据161

10.6.3 修改和扩展语料库162

10.6.4 管理数据162

10.7 训练和测试163

10.8 总结165

第11章 建立认知医疗系统167

11.1 医疗认知计算基础168

11.2 医疗生态系统的组成169

11.3 从医疗数据模式中学习170

11.4 建立大数据分析的基础172

11.5 医疗系统的认知应用172

11.5.1 新兴的认知医疗应用的两种不同方法173

11.5.2 认知应用中医疗分类学和本体论的作用173

11.6 开始建立认知医疗系统174

11.6.1 明确用户可能会问的问题174

11.6.2 导入内容来建立语料库175

11.6.3 训练认知系统176

11.6.4 丰富问题并加入语料库176

11.7 使用认知应用来改善健康状况177

11.7.1 Welltok178

11.7.2 GenieMD181

11.7.3 用户健康数据平台182

11.8 利用认知应用改善电子病历182

11.9 利用认知应用改善临床教学183

11.10 总结185

第12章 智慧城市：政府管理中的认知计算187

12.1 城市如何运行187

12.2 智慧城市的特点189

12.2.1 为规划收集数据190

12.2.2 运作管理191

12.2.3 安全和威胁管理192

12.2.4 市民产生的文件和数据的管理192

12.2.5 跨政府部门的数据一体化193

12.3 数据公开运动的兴起将会为认知城市提供动力194

12.4 万物联网和更智慧的城市194

12.5 理解数据的所有权和价值195

12.6 如今城市在主要功能中使用更智能的科技196

12.6.1 用认知方法管理执法问题197

12.6.2 智能能源管理：从形象化到分布式198

12.6.3 利用机器学习保护电网200

12.6.4 通过认知社区服务提升公众健康水平201

12.7 预防性保健更智能化的方法202

12.8 建立更智能的交通基础设施203

12.8.1 发展中城市的交通管理203

12.8.2 适应性交通信号灯控制计划203

12.9 利用分析来弥补员工技能的不足204

12.9.1 明确新兴技能要求和及时培训205

12.9.2 数字化入口（DOR）计划205

12.9.3 认知计算的机遇206

12.10 创建认知型社区基础设施207

12.10.1 新型智能连接型社区举措207

12.10.2 认知计算的机遇207

12.11 认知型城市的下一发展阶段208

12.12 总结208

第13章 新兴认知计算领域211

13.1 认知计算理想市场的特点212

13.2 纵向市场和产业213

13.2.1 零售业213

13.2.2 旅游业216

13.2.3 运输与物流217

13.2.4 通信业218

13.2.5 安全与威胁探测219

13.2.6 认知方法影响的其他领域220

13.3 总结222

第14章 认知计算的未来应用223

14.1 下一代的要求223

14.1.1 利用认知计算提高可预测性224

14.1.2 知识管理的新生命周期224

14.1.3 创建直观的人机接口224

14.1.4 关于增加最佳实践封装的要求226

14.2 能够改变认知计算未来的技术进步226

14.3 未来将如何227

14.3.1 未来五年227

14.3.2 放眼长期229

14.4 新兴的创新230

14.4.1 深度问答与假设生成231

14.4.2 自然语言处理231

14.4.3 认知训练工具232

14.4.4 数据整合与表示233

14.4.5 新兴的硬件结构233

14.4.6 自然认知模型的可替代模型237

14.5 总结238

缩略语239