久久久久久久久免费视频 ,97人妻免费趋级碰′碰碰视频在线 ,国产妓女久久免费

內(nèi)容簡介

　　處在大數(shù)據(jù)時代發(fā)展的重要節(jié)點上，面對數(shù)字化生活的新需求、數(shù)字化轉(zhuǎn)型的新格局及數(shù)字經(jīng)濟的新業(yè)態(tài)，商務智能正在扮演著越來越重要的角色。商務智能通過數(shù)據(jù)挖掘和機器學習技術從海量多模態(tài)數(shù)據(jù)中發(fā)現(xiàn)潛在、新穎和有用的知識，以支持管理與決策。它是內(nèi)在技術的，同時也是面向管理決策問題的。本書旨在把握前沿趨勢，以基礎篇、方法篇、專題篇三大板塊的形式，為讀者提供一個技術與管理的融合視角，介紹和闡釋商務智能領域的主要知識內(nèi)涵，包括面向管理決策的商務智能基本原理、主流方法、應用情境和發(fā)展前景，幫助讀者理解如何通過商務智能進行大數(shù)據(jù)/人工智能分析和賦能，從而提升組織和個體的核心能力及其競爭優(yōu)勢。

作者簡介

暫缺《商務智能原理與方法（第3版）》作者簡介

圖書目錄

基礎篇
第1章引言 003
1．1 商務智能簡介 004
1．2 商務智能與信息社會 007
1．2．1 信息技術提升信息社會發(fā)展水平 007
1．2．2 商務智能是信息社會的產(chǎn)物 010
1．2．3 商務智能是信息社會繁榮的推動力 011
1．3 商務智能與企業(yè)管理 013
1．3．1 商務智能在企業(yè)管理中的作用 013
1．3．2 商務智能協(xié)助企業(yè)管理的方式 014
1．3．3 商務智能的商業(yè)價值 015
1．4 商務智能的方法 016
1．5 商務智能的數(shù)據(jù) 019
小結(jié) 020
思考與練習 021
第2章商務智能應用 022
2．1 制造領域應用 023
2．2 金融領域應用 026
2．3 通信領域應用 029
2．4 生物和醫(yī)藥領域應用 031
2．5 零售和營銷領域應用 033
2．6 移動商務應用 036
2．7 社會化商務應用 037
小結(jié) 039
思考與練習 040
第3章商務智能過程 041
3．1 數(shù)據(jù)庫與事務處理 043
3．1．1 數(shù)據(jù)庫與數(shù)據(jù)庫管理系統(tǒng) 043
3．1．2 在線事務處理 044
3．2 數(shù)據(jù)倉庫與在線分析處理 045
3．2．1 從事務處理到分析處理 045
3．2．2 數(shù)據(jù)倉庫 047
3．3 企業(yè)知識發(fā)現(xiàn) 050
3．3．1 OLAP與知識發(fā)現(xiàn) 051
3．3．2 企業(yè)內(nèi)部知識發(fā)現(xiàn) 052
3．3．3 企業(yè)外部知識發(fā)現(xiàn) 052
小結(jié) 054
思考與練習 054
第4章數(shù)據(jù)平臺 055
4．1 數(shù)據(jù)處理技術演進 056
4．2 數(shù)據(jù)倉庫過程與體系結(jié)構(gòu) 058
4．3 數(shù)據(jù)集成、提取與轉(zhuǎn)換 060
4．3．1 數(shù)據(jù)提取 060
4．3．2 數(shù)據(jù)轉(zhuǎn)換 062
4．3．3 數(shù)據(jù)加載 063
4．3．4 ETL設計與開發(fā) 063
4．4 數(shù)據(jù)倉庫開發(fā)、管理與安全 064
4．4．1 數(shù)據(jù)倉庫開發(fā)模式 064
4．4．2 數(shù)據(jù)倉庫設計 066
4．4．3 數(shù)據(jù)倉庫的邏輯數(shù)據(jù)模型 068
4．4．4 元數(shù)據(jù) 070
4．4．5 數(shù)據(jù)倉庫的安全 072
4．5 分布式數(shù)據(jù)平臺 074
4．5．1 分布式數(shù)據(jù)平臺概念 074
4．5．2 分布式數(shù)據(jù)平臺與功能組件 075
4．6 云數(shù)據(jù)平臺 078
4．6．1 云數(shù)據(jù)平臺概念 078
4．6．2 云數(shù)據(jù)平臺與商務智能 079
小結(jié) 081
思考與練習 081
第5章構(gòu)建商務智能環(huán)境 083
5．1 商務智能環(huán)境 084
5．1．1 確定數(shù)據(jù)可用的能力 084
5．1．2 數(shù)據(jù)挖掘的能力 085
5．1．3 用戶與系統(tǒng)交互的能力 085
5．2 商務智能組織 086
5．2．1 外包商務智能 088
5．2．2 內(nèi)給商務智能 089
5．2．3 商務智能組織成員 090
5．3 商務智能系統(tǒng) 090
5．3．1 商務智能基礎設施 090
5．3．2 商務智能系統(tǒng)軟件 091
5．3．3 商務智能系統(tǒng)產(chǎn)品 094
小結(jié) 096
思考與練習 096
方法篇
第6章數(shù)據(jù)預處理 099
6．1 數(shù)據(jù)預處理簡介 100
6．1．1 數(shù)據(jù)預處理的原因 100
6．1．2 數(shù)據(jù)預處理的目的 102
6．1．3 數(shù)據(jù)預處理的方法 102
6．2 數(shù)據(jù)清洗 103
6．2．1 缺失數(shù)據(jù)處理 103
6．2．2 噪聲數(shù)據(jù)處理 105
6．3 數(shù)據(jù)集成、規(guī)范與歸納 107
6．3．1 數(shù)據(jù)集成處理 107
6．3．2 數(shù)據(jù)規(guī)范化處理 108
6．3．3 數(shù)據(jù)歸納處理 110
6．4 數(shù)據(jù)消減 115
6．4．1 數(shù)據(jù)冗余清除 115
6．4．2 數(shù)據(jù)采樣 116
6．4．3 數(shù)據(jù)立方合計 117
6．4．4 數(shù)據(jù)屬性選取與生成 118
6．4．5 數(shù)據(jù)壓縮 120
6．4．6 數(shù)據(jù)離散化與概念分層 121
小結(jié) 124
思考與練習 125
第7章關聯(lián)規(guī)則 126
7．1 關聯(lián)規(guī)則簡介 127
7．2 關聯(lián)規(guī)則挖掘方法 130
7．3 關聯(lián)規(guī)則興趣性 133
7．4 關聯(lián)規(guī)則知識形式擴展 136
7．4．1 廣義關聯(lián)規(guī)則 136
7．4．2 數(shù)量關聯(lián)規(guī)則 138
7．4．3 時態(tài)關聯(lián)規(guī)則 139
7．5 簡單關聯(lián)規(guī)則 140
小結(jié) 143
思考與練習 144
第8章分類分析 145
8．1 分類分析簡介 146
8．2 決策樹分類 147
8．2．1 決策樹構(gòu)建 148
8．2．2 決策樹剪枝 151
8．3 貝葉斯分類 153
8．3．1 貝葉斯定理 153
8．3．2 簡單貝葉斯分類器 153
8．3．3 貝葉斯信念網(wǎng)絡 155
8．4 其他分類方法 157
8．4．1 神經(jīng)元網(wǎng)絡分類 157
8．4．2 支持向量機分類 157
8．4．3 懶惰型分類器 158
8．5 分類準確率 159
8．5．1 分類準確率比較與評估 159
8．5．2 提高分類器的準確率 164
小結(jié) 165
思考與練習 165
第9章聚類分析 167
9．1 聚類分析簡介 168
9．2 相似度與距離測度 169
9．3 聚類分析方法 172
9．3．1 劃分方法 172
9．3．2 層次方法 173
9．3．3 基于密度的方法 175
9．3．4 基于網(wǎng)格的方法 175
9．3．5 基于模型的方法 176
9．4 k-means方法 176
9．5 DBSCAN方法 179
小結(jié) 184
思考與練習 185
第10章社會網(wǎng)絡分析 186
10．1 社會網(wǎng)絡的中心性 187
10．1．1 度中心性 188
10．1．2 貼近中心性 188
10．1．3 中介中心性 189
10．2 社會網(wǎng)絡的權(quán)威 190
10．2．1 度權(quán)威 190
10．2．2 鄰近權(quán)威 191
10．2．3 等級權(quán)威 192
10．3 引用社會網(wǎng)絡 192
10．3．1 同引分析 192
10．3．2 引文耦合 193
10．4 社會網(wǎng)絡的鏈接分析 193
10．4．1 PageRank算法 194
10．4．2 HITS算法 196
10．5 社會網(wǎng)絡中的社區(qū) 198
小結(jié) 199
思考與練習 200
第11章概率圖模型 201
11．1 概率圖模型簡介 202
11．2 樸素貝葉斯模型 203
11．3 隱馬爾可夫模型 205
11．3．1 馬爾可夫過程 205
11．3．2 隱馬爾可夫建模與處理 206
11．4 高斯混合模型 209
11．5 LDA模型 211
小結(jié) 214
思考與練習 215
第12章神經(jīng)元網(wǎng)絡 216
12．1 神經(jīng)元網(wǎng)絡簡介 217
12．2 前饋神經(jīng)元網(wǎng)絡 218
12．2．1 神經(jīng)元 218
12．2．2 激活函數(shù) 218
12．2．3 前饋神經(jīng)元網(wǎng)絡 220
12．3 卷積神經(jīng)元網(wǎng)絡 222
12．3．1 卷積層 222
12．3．2 匯聚層 224
12．3．3 卷積神經(jīng)元網(wǎng)絡結(jié)構(gòu) 225
12．3．4 典型卷積神經(jīng)元網(wǎng)絡 225
12．4 循環(huán)神經(jīng)元網(wǎng)絡 226
12．4．1 循環(huán)神經(jīng)元網(wǎng)絡基礎結(jié)構(gòu) 227
12．4．2 長/短期記憶網(wǎng)絡 228
12．4．3 門控循環(huán)單元網(wǎng)絡 230
12．5 注意力機制 231
12．5．1 多頭注意力模型 232
12．5．2 自注意力模型 232
小結(jié) 234
思考與練習 234
第13章多模態(tài)數(shù)據(jù)表征 236
13．1 文本表征 237
13．1．1 詞袋模型 237
13．1．2 Word2vec模型 239
13．1．3 Doc2vec模型 240
13．1．4 主題模型 241
13．2 圖像表征 243
13．3 音頻表征 244
13．4 視頻表征 247
小結(jié) 248
思考與練習 248
專題篇
第14章信息提取與洞察 251
14．1 “大數(shù)據(jù)―小數(shù)據(jù)”問題概述 252
14．2 代表性信息提取 254
14．2．1 代表性評估測度 254
14．2．2 代表性信息提取方法 255
14．3 一致性信息提取 257
14．3．1 一致性評估測度 258
14．3．2 一致性信息提取方法 259
14．4 多樣性信息提取 260
14．4．1 多樣性評估測度 261
14．4．2 多樣性信息提取方法 262
小結(jié) 263
思考與練習 264
第15章關聯(lián)分類 265
15．1 生成分類關聯(lián)規(guī)則 266
15．2 分類關聯(lián)規(guī)則剪枝 269
15．2．1 后剪枝方式 269
15．2．2 先剪枝方式 272
15．3 構(gòu)建分類器 275
15．3．1 單一規(guī)則分類器 275
15．3．2 多規(guī)則分類器 277
15．4 混合型關聯(lián)分類 278
15．5 GARC方法解析 278
15．5．1 GARC思路與算法框架 279
15．5．2 數(shù)據(jù)實驗與方法比較 282
小結(jié) 285
思考與練習 286
第16章不確定性知識發(fā)現(xiàn) 288
16．1 不確定性信息表達 289
16．2 分區(qū)中的邊界問題 296
16．3 數(shù)據(jù)間的部分隸屬性 300
16．4 不完整數(shù)據(jù)依賴 303
小結(jié) 307
思考與練習 307
第17章智能推薦 309
17．1 信息推薦方法 310
17．1．1 推薦系統(tǒng)概述 310
17．1．2 協(xié)同過濾推薦方法 312
17．1．3 推薦系統(tǒng)評測指標 314
17．1．4 消費者信息搜索過程中的推薦 316
17．2 多模態(tài)信息推薦 319
17．2．1 多模態(tài)信息表征 320
17．2．2 多視圖信息整合 322
17．2．3 商品推薦場景 322
17．3 序列推薦 323
17．4 捆綁推薦 325
小結(jié) 328
思考與練習 328
第18章商務智能的經(jīng)濟社會影響與發(fā)展 329
18．1 商務智能與管理決策 330
18．2 商務智能的發(fā)展趨勢 332
18．2．1 移動商務智能 332
18．2．2 人工智能賦能 333
18．2．3 數(shù)據(jù)安全與隱私保護 334
18．2．4 數(shù)據(jù)治理 336
小結(jié) 337
思考與練習 338
參考文獻 339
索引詞檢索目錄 362