影視原著小說展
AI與大數據技術導論(應用篇):TensorFlow、神經網路、知識圖譜、資料挖掘……從高階知識到產業應用,深度探索人工智慧!

AI與大數據技術導論(應用篇):TensorFlow、神經網路、知識圖譜、資料挖掘……從高階知識到產業應用,深度探索人工智慧!

  • 定價:550
  • 優惠價:9495
  • 本商品單次購買10本85折468
  • 運送方式:
  • 臺灣與離島
  • 海外
  • 可配送點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
  • 可取貨點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
  • 台北、新北、基隆宅配快速到貨(除外地區)
載入中...
  • 分享
 

內容簡介

「沒有大量資料支撐的人工智慧就是人工智障」

了解人工智慧各方面,深度學習其重點技術和平臺工具
將技術應用到實際工作場景中,共同創建一個智慧的時代!

  【TensorFlow】
  從第一個TensorFlow程式的簡單介紹開始,涵蓋了過擬合、特徵工程等核心概念,為讀者提供了穩固的基礎。接著闡述幾個高階主題,包括特徵交叉、正則化、邏輯迴歸和分類。

  【神經網路】
  本章全面介紹神經網路的概念和技術。從基本的定義到如何訓練神經網路,再到多類別神經網路和嵌入技術,讀者可以獲得一個完整的神經網路知識架構。

  【知識圖譜】
  本章深入探討知識圖譜,從基本定義到建構的關鍵技術,再到知識運算及其應用,提供了一個全面視角,幫助讀者理解知識圖譜在現代技術中的重要性。

  【資料挖掘】
  本章集中於資料挖掘的概念和技術。資料挖掘是大數據領域的核心,涵蓋了資料探勘方法、大數據思維等關鍵概念,對於想要深入了解大數據領域的讀者來說,這一章節提供了扎實的知識基礎。

  【AI和大數據應用於特定領域】
  專門探討了AI和大數據在特定領域的應用,包括銀行、醫療等行業。不僅分析了這些領域的現況,還提供了實例分析,幫助讀者了解AI和大數據如何在實際場景中產生價值。

  【附錄】
  最後提供了3個附錄,為讀者提供了大數據和人工智慧的線上資料,以及本書中採用的AI中英文術語和術語列表,這對於想要進一步探索這一領域的讀者來說是非常有幫助的資源。

本書特色

  本書全面講述人工智慧與大數據涉及的應用,共分8章,包括TensorFlow、神經網路、知識圖譜、資料挖掘等,詳細說明了人工智慧在各領域的潛在價值及實際案例分析。閱讀完本書後,讀者將對人工智慧技術有全面的理解,並能掌握AI整體知識架構。
 

作者介紹

作者簡介

楊正洪


  在矽谷從事AI和大數據相關研發工作十餘年,是海外智庫專家顧問,曾擔任在美上市公司CTO、北京某國企CIO和上海某國企高階副總裁等職。出版了《智慧城市》、《大數據技術入門》等多本暢銷書。

郭良越

  專職作者。

劉瑋

  專職作者。
 
 

目錄

第8章 TensorFlow
8.1 TensorFlow工具包
8.2 第一個TensorFlow程式
8.3 過擬合處理
8.4 特徵工程

第9章 TensorFlow高階知識
9.1 特徵交叉
9.2 L2正則化
9.3 邏輯迴歸
9.4 分類
9.5 L1正則化

第10章 神經網路
10.1 什麼是神經網路
10.2 訓練神經網路
10.3 多類別神經網路
10.4 嵌入

第11章 知識圖譜
11.1 什麼是知識圖譜
11.2 知識圖譜建構的關鍵技術
11.3 知識運算及應用
11.4 企業知識圖譜建設

第12章 資料挖掘
12.1 什麼是資料挖掘
12.2 資料挖掘技術(方法)
12.3 大數據思維

第13章 銀行業大數據和人工智慧
13.1 中國四大行的進展
13.2 其他銀行
13.3 金融宏觀大數據分析
13.4 小結

第14章 醫療大數據和人工智慧
14.1 醫療大數據的特點
14.2 醫療大數據處理模型
14.3 醫療大數據的AI應用
14.4 人工智慧的醫療應用場景
14.5 人工智慧要當「醫生」
14.6 醫院大數據
14.7 機器學習在醫療行業中的應用實例分析

第15章 工農業大數據和人工智慧
15.1 中國製造2025
15.2 工業大數據
15.3 AI+製造
15.4 農業大數據

附錄A 大數據和人工智慧線上資料
附錄B 本書中採用的人工智慧中英文術語
附錄C 術語列表

 
 

詳細資料

  • ISBN:9786263578074
  • 規格:平裝 / 396頁 / 17 x 23 x 1.98 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣
 

內容連載

第12章 資料挖掘
 
12.1 什麼是資料挖掘
 
資料挖掘是指有組織、有目的的收集資料、分析資料,並從大量資料中提取出有用的資訊,從而尋找出資料中存在的規律、規則、知識以及模式、關聯、變化、異常和有意義的結構。資料挖掘是一種從大量資料中尋找存在的規律、規則、知識以及模式、關聯、變化、異常和有意義的結構的技術,是統計學、資料庫技術和人工智慧技術等技術的綜合。資料挖掘是一門涉及面很廣的交叉學科,包括數理統計、人工智慧、電腦等,涉及機器學習、數理統計、神經網路、資料庫、模式辨識、粗糙集、模糊數學等相關技術。
 
資料挖掘大部分的價值在於利用資料挖掘技術改善預測模型、產生學術價值、促進生產、產生並促進商業利益,一切都是為了商業價值(資料→資訊→知識→商業)。資料挖掘的最終目的是實現資料的價值,所以,單純的資料挖掘是沒有多大意義的。資料挖掘的作用是從大量資料中尋找存在的規律、規則、知識以及模式、關聯、變化、異常和有意義的結構。
 
資料挖掘技術(方法)分為以下兩大類。
 
預言(Predication):用歷史預測未來。
 
描述(Description):了解資料中潛在的規律。
 
12.1.1 資料挖掘技術產生的背景
 
資料正在以空前的速度成長,現在的資料是大量的大數據。現在不缺乏資料,但是卻面臨一個尷尬的境地──資料極其豐富,資訊知識匱乏。還有,大量的大數據已經遠遠超出了人類的理解能力,如果不借助強大的工具和技術,很難弄清楚大數據中所蘊含的資訊和知識。重要決策如果只是基於決策制定者的個人經驗,而不是基於資訊、知識豐富的資料,就極大的浪費了資料,也對我們的商業、學習、工作、生產帶來了極大的不便和龐大的阻礙。所以,能夠方便、高效能、快速的從大數據裡提取出龐大的資訊和知識是必須解決的,因此,資料挖掘技術應運而生。資料挖掘填補了資料和資訊、知識之間的鴻溝。
 
12.1.2 資料挖掘與資料分析的區別
 
資料分析包含廣義的資料分析和狹義的資料分析。廣義的資料分析包括狹義的資料分析和資料挖掘,而我們常說的資料分析就是指狹義的資料分析。

最近瀏覽商品

 

相關活動

  • 以學術為錨,定位深度思考邏輯。文學│史地│社科 精選3本72折
 

購物說明

若您具有法人身份為常態性且大量購書者,或有特殊作業需求,建議您可洽詢「企業採購」。 

退換貨說明 

會員所購買的商品均享有到貨十天的猶豫期(含例假日)。退回之商品必須於猶豫期內寄回。 

辦理退換貨時,商品必須是全新狀態與完整包裝(請注意保持商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性,切勿缺漏任何配件或損毀原廠外盒)。退回商品無法回復原狀者,恐將影響退貨權益或需負擔部分費用。 

訂購本商品前請務必詳閱商品退換貨原則 

  • 山德森企劃
  • 台北文學季
  • 套書展(止)