大数据智能核心技术入门：从大数据到人工智能

图书标准信息

• 作者 杜圣东
• 出版社 电子工业出版社
• 出版时间 2019-04
• 版次 1
• ISBN 9787121356841
• 定价 49.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 246页
• 字数 285千字

【内容简介】

本书跟从大数据和人工智能应用的融合之路，通过分析和解读整个数据驱动智能核心技术，希望能给读者提供一个大数据智能核心技术体系的入门学习和应用参考指南。本书前半部分内容重在核心技术解读：包括大数据智能的概论、大数据智能核心技术体系的多维解读、深度学习关键技术要点的分析，大数据智能应用三段论和敏捷大数据方法论的提出等内容。后半部分内容重在应用实践的探讨，深入分析了当前大数据智能独角兽Palantir、AlphaGo、Watson等核心产品和技术，并从个人学习到工程实践，从企业应用到政府治理，从业务理解到技术选型等多个层面，逐一解读大数据智能技术在学习、应用过程中面临的关键问题、陷阱，并给出参考意见。
  本书通过核心技术解读帮助读者学习、理解、应用大数据智能，具有重要的参考价值。本书适合的读者包括关注大数据和人工智能相关技术领域的在校学生、个人学习者和研发工程师、技术主管、企业高管、政府管理人员等。

【作者简介】

杜圣东，西南交通大学信息科学与技术学院（人工智能研究院），讲师，大数据与人工智能方向在职博士，硕士与本科毕业于重庆大学计算机学院。兼任多家单位技术顾问和大数据培训专家，曾为中国中车集团、广州地铁集团、成都铁路局等多家企事业单位做大数据和人工智能培训讲座。首次提出了敏捷大数据方法论，在数据挖掘、商业智能、机器学习和交通、政务、医疗大数据等领域有10余年的系统研发、管理与咨询经验。迄今为止，主研国家自然科学基金和国家重点研发计划项目4项、主持企业课题和产品研发20余项，获得专利和软件著作权6项，发表论文10余篇。

【目录】

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1.076

深度学习：大数据驱动的机器学习2.083

 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