大数据实战 大数据、数据科学和人工智能在商务决策中的应用PDF电子书下载

查看更多关于的内容

第一部分 大数据揭秘 3

第1章 大数据的故事 3

到了21世纪初，是什么发生了改变 4

数据为什么变得这么多 5

产生数字化数据设备的广泛应用 6

正在迅速下降的磁盘存储成本 12

RAM成本的直线下降 14

处理能力成本的直线下降 15

为什么大数据成为如此热门的话题 15

成功的大数据先驱者 18

开源软件为软件开发人员提供了竞争环境 18

云计算让启动和扩展计划变得更加容易 20

小贴士 21

问题 21

第2章 人工智能、机器学习和大数据 24

什么是人工智能和机器学习 25

人工智能的起源 26

为何近来人工智能再次兴起 27

人工神经网络和深度学习 28

人工智能如何帮助分析大数据 31

一些谨慎的话 31

小贴士 34

问题 34

第3章 为什么大数据有用 36

全新的数据使用方式 36

一种新的数据思维方式 37

遵循数据驱动的方法 38

更强的数据工具 41

小贴士 48

问题 48

第4章 大数据分析的应用案例 50

A/B测试 50

推荐引擎/下一个最佳购物建议 52

预测：需求和收入 55

节省IT成本 56

市场营销 57

社交媒体 58

定价 59

客户维系/客户忠诚度 59

购物车弃置管理（实时） 60

转化率优化 60

商品定制化（实时） 61

重新定位（实时） 61

诈骗检测（实时） 61

减少客户流失 62

预测维护 63

供应链管理 64

顾客终身价值 64

线索评分 65

人力资源 66

情绪分析 67

小贴士 68

问题 68

第5章 理解大数据生态系统 70

什么让数据变“大” 70

分布式数据存储 73

分布式计算 74

快数据/流数据 75

雾计算/边缘计算 76

开源软件 77

许可 79

代码分发 80

开源的好处 80

大数据中的开源软件 81

云计算 82

小贴士 83

问题 84

第二部分 将大数据生态系统应用到组织中 89

第6章 大数据如何指导组织战略 89

你的客户 89

获取数据 90

使用数据 97

你的竞争者 102

外部的因素 104

你的产品 105

小贴士 107

问题 107

第7章 形成大数据和数据科学的战略 109

项目团队 110

启动会议 119

启动输出 121

范围界定阶段 123

小贴士 126

问题 127

第8章 实施数据科学——分析、算法和机器学习 128

四种分析方法 128

模型、算法和黑箱 135

人工智能和机器学习 140

分析软件 143

分析工具 148

敏捷分析 149

小贴士 151

问题 152

第9章 选择技术 154

交付给最终用户 159

选择技术时需要考虑的方面 160

小贴士 166

问题 167

第10章 组建团队 168

数据科学家 169

你需要的数据角色 171

领导者 177

雇用数据团队 180

大规模招聘和收购创业公司 182

外包 184

对于小型公司 186

小贴士 187

问题 187

第11章 数据治理与法律遵从 188

个人数据 189

数据科学和隐私披露 192

数据治理 195

治理报告 197

小贴士 198

问题 199

第12章 在组织中成功部署大数据 200

我们的项目为何失败了 202

总结 209

小贴士 209

问题 210

术语 211

查看更多关于的内容