认知计算与大数据分析

图书标准信息

• 作者 [美]Judith、Marcia、Adrian Bowles 著；张鸿涛 译
• 出版社 人民邮电出版社
• 出版时间 2017-01
• 版次 1
• ISBN 9787115436931
• 定价 69.00元
• 装帧 平装
• 开本 其他
• 纸张 胶版纸
• 页数 249页
• 正文语种 简体中文

【内容简介】

认知计算是一项实现人类与计算机协作的技术，通过发现数据中的模式和异常，从而获得洞察力和知识。《认知计算与大数据分析》对底层的技术进行了综合性地指导和解释，比如人工智能、机器学习、自然语言处理及大数据分析，阐述了如何利用这些技术来转变你的组织。你将从IBM、谷歌、***、日立、戴尔、思科和Numenta等企业的专业解决方案中获益。本书还详细介绍了IBM的沃森（Waston）系统，以及它对认知计算发展的影响。认知系统正在开辟计算的新纪元。通过本书，你将获得应用这一技术所需的理论和实践指导

【作者简介】

Judith S. Hurwitz是Hurwitz & Associates有限责任公司的总裁兼CEO，也是一位主要的战略顾问。 Marcia Kaufman是一位首席分析师，也是Hurwitz & Associates公司的COO，主要负责大数据和高级分析，以及信息管理和商业战略方面的领导工作。Adrian Bowles是STORM Insights股份有限公司的总裁兼CEO。这是一家市场分析公司，为新兴技术市场的买方、卖方及投资者提供研究和咨询服务。

【目录】

第 1 章　认知计算的基础 001
1．1　新一代的认知计算　002
1．2　认知系统的使用　002
1．3　系统认知的组成　003
1．4　从数据中获取信息　004
1．5　作为认知计算基础的人工智能　006
1．6　理解认知　010
1．7　关于判断和选择的两个系统　012
1．7．1　系统1——自动思考：直觉和偏向　013
1．7．2　系统2——被控制的，以规则为中心且专注的努力　014
1．8　理解系统间的复杂关系　015
1．9　认知系统的元素　017
1．9．1　基础设施和部署模式　018
1．9．2　数据访问、元数据和管理服务　018
1．9．3　语料库、分类系统和数据分类　018
1．9．4　数据分析服务　019
1．9．5　持续机器学习　019
1．9．6　学习的过程　019
1．9．7　呈现与可视化服务　020
1．9．8　认知应用　020
1．10　总结　021
第　2 章 认知系统的设计原则　023
2．1　认知系统的组成　024
2．2　建立语料库　024
2．3　输入数据到认知系统　028
2．3．1　利用内部与外部数据源　028
2．3．2　数据访问和特征提取服务　029
2．3．3　分析服务　030
2．4　机器学习　030
2．4．1　在数据中发现模式　031
2．4．2　监督学习　031
2．4．3　强化学习　033
2．4．4　无监督学习　034
2．5　假设的生成与评定　035
2．5．1　假设生成　036
2．5．2　假设评定　037
2．6　呈现和可视化服务　038
2．7　总结　040
第　3 章 自然语言处理支持下的认知系统　041
3．1　自然语言处理在认知系统中的角色　042
3．1．1　上下文的重要性　042
3．1．2　根据含义关联词语　044
3．1．3　理解语言学　045
3．1．4　语言识别和标记　045
3．1．5　音韵学　046
3．1．6　词态学　046
3．1．7　词法分析　047
3．1．8　语法和句法分析　047
3．1．9　构式语法　048
3．1．10　话语分析　048
3．1．11　语用学　049
3．1．12　解决结构歧义的技巧　049
3．1．13　隐马尔可夫模型的重要性　050
3．1．14　语义消歧　051
3．2　语义网　051
3．3　将自然语言技术应用到商业问题　052
3．3．1　改善购物体验　052
3．3．2　利用物联网连接的世界　053
3．3．3　顾客的声音　053
3．3．4　欺诈检测　054
3．4　总结　055
第　4 章 大数据和认知计算的关系　057
4．1　处理人造数据　057
4．2　定义大数据　058
4．3　大数据结构基础　059
4．3．1　大数据的物理基础　059
4．3．2　安全体系结构　060
4．3．3　操作性数据库　060
4．3．4　数据服务和工具　062
4．4　分析数据仓库　063
4．5　Hadoop　064
4．6　动态数据和流数据　068
4．7　大数据与传统数据结合　070
4．8　总结　070
第　5 章 在分类学和本体论中表示知识　071
5．1　表示知识　071
5．2　定义分类学和本体论　073
5．3　解释如何表示知识　075
5．4　知识表示模型　080
5．4．1　分类学　080
5．4．2　本体论　081
5．4．3　其他知识表示方法　083
5．4．4　持久性和状态的重要性　084
5．5　实施注意事项　085
5．6　总结　085
第　6 章 应用于认知计算的高级分析方法　087
6．1　高级分析正在向认知计算发展　087
6．2　高级分析的关键性能　091
6．2．1　统计学、数据挖掘和机器学习之间的关系　091
6．2．2　在分析过程中使用机器学习　092
6．2．3　预测分析　097
6．2．4　文本分析　099
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　Welltok　178
11．7．2　GenieMD　181
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