认知计算与大数据分析 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[美] Judith S.Hurwitz，Marcia A.Kaufman，Adrian Bowles 著，张鸿涛 译

图书标签:

• 认知计算
• 大数据分析
• 机器学习
• 数据挖掘
• 人工智能
• 数据科学
• 模式识别
• 算法
• 云计算
• 商业智能

出版社： 人民邮电出版社

ISBN：9787115436931

版次：1

商品编码：12109444

包装：平装

开本：小16开

出版时间：2017-01-01

用纸：胶版纸

页数：249

正文语种：中文

编辑推荐

1.《认知计算与大数据分析》直击目前的人工智能和机器智能热点，对相关内容进行碎片化整合。认知计算是一种实在的方法，能够支持人们解决机器学习的问题，这将改变市场和产业。
2.《认知计算与大数据分析》没有试图去取代许多出色的技术书籍，这些书籍具有独立主题，比如机器学习、自然语言处理、高级分析、神经网络、物联网、分布式计算和云计算。事实上，我们认为明智的做法是，利用本书来理解这些技术是怎么组合的，然后通过探索每个主题的细节来获得更加深入的学习。

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

思想的疆域：一场关于理解与创造的探索 这是一部关于如何超越机械处理，触及思维本质的鸿篇巨制。 它并非一本浅尝辄止的入门读物，也不是一套堆砌术语的教科书，而是一次深刻的、全方位的思想旅程，旨在揭示人类心智的奥秘，并探索如何将这些奥秘转化为能够理解世界、解决复杂问题、甚至创造新事物的智能系统。本书将引导读者踏上一条严谨而富启发的探索之路，从最基础的认知单元出发，逐步构建起理解、学习、推理、决策乃至创造的完整框架。 本书的核心在于“认知”。 我们将深入剖析构成人类智慧的基石：感知、记忆、注意、语言、概念形成、学习机制以及推理能力。我们不满足于仅仅描述这些能力，更要探究其运作的深层原理，理解它们是如何协同作用，让我们能够处理海量信息，识别模式，建立联系，并最终形成对世界的理解。通过对认知科学、心理学、神经科学等领域的交叉研究成果的梳理和整合，本书将呈现一个关于人类智能运作的宏大蓝图。 首先，我们将从“感知”这一最原始的认知输入开始。 眼睛如何捕捉光线并转化为视觉信息？耳朵如何分辨声音的细微差别？触觉、嗅觉、味觉又扮演着怎样的角色？本书将详细解析这些感官信息是如何被大脑接收、编码和初步处理的。我们会探讨各种感知模态的特点、局限性，以及它们如何共同构建我们对物理世界的初级认知。在此基础上，我们将深入研究“注意”机制，理解我们是如何在海量的信息流中筛选出关键要素，并将有限的认知资源分配给最重要的任务。我们会审视不同类型的注意，比如选择性注意、持续性注意和分配性注意，并分析它们在日常认知活动中的重要性。 接着，我们将步入“记忆”的广阔领域。 记忆不仅仅是信息的存储，更是一个动态的、建构性的过程。本书将详细阐述不同类型的记忆，包括感觉记忆、短时记忆（工作记忆）和长时记忆，并深入探讨它们的编码、存储和提取机制。我们会审视记忆的联想性、选择性和可塑性，理解记忆是如何受到情绪、经验和认知偏差的影响而不断重塑的。同时，本书也将探讨遗忘的机制，理解为何有些信息会消失，而另一些则会根深蒂固，并思考如何优化记忆以促进学习和知识的积累。 “学习”是本书不可或缺的重要组成部分。 我们将超越简单的条件反射和重复记忆，深入探讨各种形式的学习，包括监督学习、无监督学习、强化学习以及迁移学习。我们会分析学习的内在动机，以及外部奖励和惩罚如何影响学习过程。本书将重点关注人类学习中的“理解”和“洞察”，而非仅仅是模式匹配。我们将探讨概念的形成过程，理解我们如何通过归纳、演绎和类比来构建抽象的概念体系，并将其应用于新的情境。我们会审视学习中的试错、反馈和反思的作用，以及如何通过有效的学习策略来加速认知能力的提升。 “语言”作为人类最独特的认知工具，将占据重要的篇幅。 我们将从语言的产生机制出发，探讨语音、词汇、语法和语义的复杂互动。本书将深入分析语言理解的过程，以及语言是如何承载和传递思想、情感和文化信息的。我们会审视语言的灵活性和创造性，理解我们如何通过组合有限的语言单位来表达无限的意义。此外，本书还将探讨语言与思维之间的深刻联系，以及语言在塑造我们的认知结构和世界观方面的作用。 “推理”是连接信息和知识的桥梁。 我们将详细分析不同类型的推理，包括演绎推理、归纳推理、溯因推理和类比推理。本书将探讨这些推理形式的逻辑基础、潜在的谬误以及在解决问题中的应用。我们会关注人类在面对不确定性和模糊性时的推理能力，以及如何做出合理的判断和决策。本书还将考察直觉性推理和分析性推理的差异，以及它们在不同情境下的优势和局限。 “概念形成”是人类智能的关键飞跃。 我们将探究人类如何从具体的经验中抽象出普遍的概念，并如何对概念进行分类、组织和关联。本书将讨论不同类型的概念，如具体概念、抽象概念、关系概念和功能概念，并分析概念学习和概念变化的机制。我们会审视概念模糊性、概念泛化和概念区分在认知过程中的作用，以及如何通过清晰的概念定义来提升理解的准确性。 “决策”是认知能力的最终体现之一。 在信息不完全、时间有限、存在风险的情况下，我们如何做出最佳的选择？本书将深入分析决策的理论模型，包括理性决策模型、有限理性模型以及启发式和偏差在决策中的作用。我们会审视情绪、动机和价值观如何影响我们的决策过程，以及如何通过系统性的方法来提升决策的质量和效率。 最终，本书将把视角转向“创造”。 创造不仅仅是艺术家的专利，更是人类思维的最高形式之一。我们将探讨创造的本质，以及它与现有知识、经验和认知的关系。本书将分析不同类型的创造性思维，如发散性思维、聚合性思维和跳跃性思维，并探讨如何培养和激发创造力。我们会审视跨领域知识的融合、类比和隐喻在创造中的作用，以及如何构建能够支持和促进创新的环境。 本书不仅关注理论的探讨，更强调实际的应用。 我们将通过大量的案例研究、思想实验和认知挑战，引导读者亲身实践和体验书中的概念。本书的最终目标是赋予读者更深刻的理解，更强大的认知能力，以及更广阔的思维视野。它将帮助你更好地理解自己，理解他人，理解世界，并最终在你的思想疆域内，开启无限的探索和创造之旅。 这部著作，将是你深入人类思维核心，解锁认知潜能，拥抱智能未来的重要启蒙。 它是一场关于理解与创造的史诗级叙事，等待着你的深入阅读与思考。

评分☆☆☆☆☆

这本书的名字叫做《认知计算与大数据分析》，初初拿到手的时候，我带着一种“噢，又是一本关于高大上技术理论的书”的心态，但翻开之后，却发现它像是打开了一个全新的世界。一开始，我以为它会像市面上很多同类书籍一样，上来就堆砌一堆晦涩难懂的算法和模型，然后让你在公式和代码的海洋里挣扎。结果完全不是，作者的叙事方式非常巧妙，他没有直接进入技术细节，而是从认知计算最核心的“理解”这个概念入手，用生动形象的比喻，比如把计算机比作一个正在学习的小孩，一步步引导读者去思考“机器是如何‘看’，‘听’，‘说’，甚至‘思考’的”。这种循序渐进的方式，让我这个对技术不算特别精通的读者也觉得非常容易理解。更让我惊喜的是，书中并没有停留在理论层面，而是通过大量的实际案例，展示了认知计算是如何在医疗诊断、金融风险控制、智能客服等领域大显身手的。尤其是关于某个智能医疗系统如何通过分析病历数据，比医生更早地发现潜在疾病的案例，读起来既震撼又引人深思，让我开始重新审视人工智能在改变我们生活方面所扮演的角色。这本书让我觉得，大数据分析不再是冰冷的数据堆砌，而是承载着无限可能性的智慧工具。

评分☆☆☆☆☆

当我开始阅读《认知计算与大数据分析》这本书时，我带着一种学习专业知识的严谨态度，期待着能够深入了解这个领域的最新进展和核心技术。书的前半部分，确实如我所愿，详细地阐述了认知计算的几个关键组成部分，包括自然语言处理、机器学习、深度学习以及知识图谱等。作者在解释这些概念时，并没有回避技术细节，而是以一种结构化的方式，逐步剖析了各种算法的工作原理和数学基础。例如，在讲解深度学习时，书中列举了多层神经网络的结构，并详细解释了反向传播算法如何用于模型优化。这对于我这样有一定技术背景的读者来说，无疑是极具价值的。书中的图表和示意图也设计得非常清晰，辅助理解复杂的模型。然而，让我稍感意外的是，本书在探讨大数据分析的实际应用时，似乎更侧重于描述结果和影响，而非深入剖析实现这些结果的具体技术路径。虽然我理解为了保持全书的流畅性，作者可能有所取舍，但对于那些希望了解“如何实现”的读者而言，这部分内容可能略显浅尝辄止，缺乏更具操作性的指导。

评分☆☆☆☆☆

拿到《认知计算与大数据分析》这本书，我的第一印象是它可能会是一本枯燥的学术专著，充斥着各种公式和理论。然而，当我沉浸其中后，我发现它远比我想象的要有趣得多。作者的文笔十分流畅，而且充满了故事性。他没有上来就讲晦涩的技术概念，而是先从一个引人入胜的故事讲起，比如一家公司如何利用大数据分析来预测客户的行为，从而大幅提升销售额。这种“以终为始”的叙述方式，一下子就抓住了我的注意力，让我对接下来的内容充满了好奇。书中穿插了许多生动的案例，有些案例我甚至在新闻中听说过，但书中却从更深层次地剖析了其背后的技术原理。尤其是关于“情感分析”在社交媒体监控中的应用，作者用了很多篇幅来描述如何通过分析海量文本信息，捕捉公众情绪的细微变化，这让我对大数据分析在社会科学领域的应用有了全新的认识。这本书就像一本侦探小说，每一章都揭示着数据背后的秘密，让我忍不住一页一页地往下翻。

评分☆☆☆☆☆

《认知计算与大数据分析》这本书，当我第一次翻阅时，我主要的关注点在于它能否为我提供解决实际工作难题的思路和方法。书中对“认知计算”的定义和框架的介绍，确实提供了理论上的指导，比如它如何模仿人类的认知过程来处理信息，以及它与传统人工智能的区别。我尤其对书中关于“知识图谱”构建与应用的章节印象深刻，它解释了如何将非结构化的数据转化为结构化的知识，并用于智能问答和推荐系统。这部分内容对于我正在负责的一个知识管理项目非常有启发。然而，在“大数据分析”的部分，我感觉它更多的是对现有技术和工具的介绍，比如一些主流的大数据处理平台和分析方法，如Hadoop、Spark等。虽然这些信息很有用，但它们更像是对市场现状的梳理，而不是深入讲解如何在特定场景下选择和优化这些工具，或者如何解决大数据分析中常见的挑战，例如数据清洗、特征工程等。因此，虽然整体上感觉内容翔实，但对于寻求具体技术解决方案的读者来说，可能需要结合其他更深入的专项书籍。

评分☆☆☆☆☆

这本书的书名《认知计算与大数据分析》就足以吸引人，我带着对这两个热门领域的浓厚兴趣开始了阅读。最令我感到惊讶的是，书中并没有过多的技术术语堆砌，而是以一种非常平实易懂的语言，讲述了许多关于认知计算和大数据分析的奇妙之处。作者似乎非常擅长将复杂的概念“接地气”，比如他用了很多生活中的例子来解释什么是“模式识别”，什么是“预测模型”，让我这个非技术背景的读者也能轻松理解。书中关于“机器学习”的介绍，特别让我着迷，它并没有一上来就讲解复杂的算法，而是从“学习”这个本质出发，一步步引导我理解机器是如何通过数据来“学习”的。更让我惊喜的是，书中还涉及了许多关于“伦理”和“隐私”的讨论，在当下大数据无处不在的时代，这些问题尤为重要。作者并没有给出简单的答案，而是引导读者去思考，这种审慎的态度让我对这本书的好感度倍增。这本书让我觉得，了解这些技术不再是遥不可及的，而是与我们的生活息息相关。

评分☆☆☆☆☆

凑活动买的，买来学习学习

评分☆☆☆☆☆

送货很快，好评。

评分☆☆☆☆☆

包括了当前的热点问题，值得读读，

评分☆☆☆☆☆

很好很强大，下次还要买

评分☆☆☆☆☆

好书～买书就到京东，速度快，质量有保证！

评分☆☆☆☆☆

这本书有些枯燥，干货并不多

评分☆☆☆☆☆

IBM的认知计算，很有意义的研究！

评分☆☆☆☆☆

只为了看看认知医疗。

评分☆☆☆☆☆

包括了当前的热点问题，值得读读，