大数据智能核心技术入门 从大数据到人工智能PDF|Epub|txt|kindle电子书版本网盘下载

大数据智能核心技术入门 从大数据到人工智能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 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1076

深度学习：大数据驱动的机器学习2083

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

1 Palantir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

2 Google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

3 IBM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

4 TensorFlow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

5 Kaggle，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