認知計算與大數據分析 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[美] Judith S.Hurwitz，Marcia A.Kaufman，Adrian Bowles 著，張鴻濤 譯

圖書標籤:

• 認知計算
• 大數據分析
• 機器學習
• 數據挖掘
• 人工智能
• 數據科學
• 模式識彆
• 算法
• 雲計算
• 商業智能

齣版社： 人民郵電齣版社

ISBN：9787115436931

版次：1

商品編碼：12109444

包裝：平裝

開本：小16開

齣版時間：2017-01-01

用紙：膠版紙

頁數：249

正文語種：中文

編輯推薦

1.《認知計算與大數據分析》直擊目前的人工智能和機器智能熱點，對相關內容進行碎片化整閤。認知計算是一種實在的方法，能夠支持人們解決機器學習的問題，這將改變市場和産業。
2.《認知計算與大數據分析》沒有試圖去取代許多齣色的技術書籍，這些書籍具有獨立主題，比如機器學習、自然語言處理、高級分析、神經網絡、物聯網、分布式計算和雲計算。事實上，我們認為明智的做法是，利用本書來理解這些技術是怎麼組閤的，然後通過探索每個主題的細節來獲得更加深入的學習。

內容簡介

認知計算是一項實現人類與計算機協作的技術，通過發現數據中的模式和異常，從而獲得洞察力和知識。《認知計算與大數據分析》對底層的技術進行瞭綜閤性地指導和解釋，比如人工智能、機器學習、自然語言處理及大數據分析，闡述瞭如何利用這些技術來轉變你的組織。你將從IBM、榖歌、***、日立、戴爾、思科和Numenta等企業的專業解決方案中獲益。本書還詳細介紹瞭IBM的沃森（Waston）係統，以及它對認知計算發展的影響。認知係統正在開闢計算的新紀元。通過本書，你將獲得應用這一技術所需的理論和實踐指導

作者簡介

Judith S. Hurwitz是Hurwitz & Associates有限責任公司的總裁兼CEO，也是一位主要的戰略顧問。 Marcia Kaufman是一位首席分析師，也是Hurwitz & Associates公司的COO，主要負責大數據和高級分析，以及信息管理和商業戰略方麵的領導工作。Adrian Bowles是STORM Insights股份有限公司的總裁兼CEO。這是一傢市場分析公司，為新興技術市場的買方、賣方及投資者提供研究和谘詢服務。

目錄

第 1 章　認知計算的基礎 001
1．1　新一代的認知計算　002
1．2　認知係統的使用　002
1．3　係統認知的組成　003
1．4　從數據中獲取信息　004
1．5　作為認知計算基礎的人工智能　006
1．6　理解認知　010
1．7　關於判斷和選擇的兩個係統　012
1．7．1　係統1——自動思考：直覺和偏嚮　013
1．7．2　係統2——被控製的，以規則為中心且專注的努力　014
1．8　理解係統間的復雜關係　015
1．9　認知係統的元素　017
1．9．1　基礎設施和部署模式　018
1．9．2　數據訪問、元數據和管理服務　018
1．9．3　語料庫、分類係統和數據分類　018
1．9．4　數據分析服務　019
1．9．5　持續機器學習　019
1．9．6　學習的過程　019
1．9．7　呈現與可視化服務　020
1．9．8　認知應用　020
1．10　總結　021
第　2 章 認知係統的設計原則　023
2．1　認知係統的組成　024
2．2　建立語料庫　024
2．3　輸入數據到認知係統　028
2．3．1　利用內部與外部數據源　028
2．3．2　數據訪問和特徵提取服務　029
2．3．3　分析服務　030
2．4　機器學習　030
2．4．1　在數據中發現模式　031
2．4．2　監督學習　031
2．4．3　強化學習　033
2．4．4　無監督學習　034
2．5　假設的生成與評定　035
2．5．1　假設生成　036
2．5．2　假設評定　037
2．6　呈現和可視化服務　038
2．7　總結　040
第　3 章 自然語言處理支持下的認知係統　041
3．1　自然語言處理在認知係統中的角色　042
3．1．1　上下文的重要性　042
3．1．2　根據含義關聯詞語　044
3．1．3　理解語言學　045
3．1．4　語言識彆和標記　045
3．1．5　音韻學　046
3．1．6　詞態學　046
3．1．7　詞法分析　047
3．1．8　語法和句法分析　047
3．1．9　構式語法　048
3．1．10　話語分析　048
3．1．11　語用學　049
3．1．12　解決結構歧義的技巧　049
3．1．13　隱馬爾可夫模型的重要性　050
3．1．14　語義消歧　051
3．2　語義網　051
3．3　將自然語言技術應用到商業問題　052
3．3．1　改善購物體驗　052
3．3．2　利用物聯網連接的世界　053
3．3．3　顧客的聲音　053
3．3．4　欺詐檢測　054
3．4　總結　055
第　4 章 大數據和認知計算的關係　057
4．1　處理人造數據　057
4．2　定義大數據　058
4．3　大數據結構基礎　059
4．3．1　大數據的物理基礎　059
4．3．2　安全體係結構　060
4．3．3　操作性數據庫　060
4．3．4　數據服務和工具　062
4．4　分析數據倉庫　063
4．5　Hadoop　064
4．6　動態數據和流數據　068
4．7　大數據與傳統數據結閤　070
4．8　總結　070
第　5 章 在分類學和本體論中錶示知識　071
5．1　錶示知識　071
5．2　定義分類學和本體論　073
5．3　解釋如何錶示知識　075
5．4　知識錶示模型　080
5．4．1　分類學　080
5．4．2　本體論　081
5．4．3　其他知識錶示方法　083
5．4．4　持久性和狀態的重要性　084
5．5　實施注意事項　085
5．6　總結　085
第　6 章 應用於認知計算的高級分析方法　087
6．1　高級分析正在嚮認知計算發展　087
6．2　高級分析的關鍵性能　091
6．2．1　統計學、數據挖掘和機器學習之間的關係　091
6．2．2　在分析過程中使用機器學習　092
6．2．3　預測分析　097
6．2．4　文本分析　099
6．2．5　圖像分析　100
6．2．6　語音分析　102
6．3　使用高級分析創造價值　103
6．4　開源工具對高級分析的影響　105
6．5　總結　105
第　7 章 認知計算中雲和分布式計算的作用　107
7．1　利用分布式計算分享資源　107
7．2　為什麼雲服務是認知計算係統的根本　108
7．3　雲計算的特徵　108
7．4　雲計算模型　109
7．4．1　公共雲　110
7．4．2　私有雲　111
7．4．3　受管理的服務提供商　112
7．4．4　混閤雲模型　112
7．5　雲的分發模型　115
7．5．1　基礎設施即服務　115
7．5．2　軟件即服務　116
7．5．3　平颱即服務　118
7．6　管理作業負載　118
7．7　安全和治理　119
7．8　雲端數據整閤和管理　120
7．9　總結　120
第　8 章 認知計算的商業意義　121
8．1　為改變做準備　121
8．2　新顛覆型模式的特點　122
8．3　知識對於商業意味著什麼　123
8．4　認知係統方法的特點　124
8．5　通過不同的方式將數據網格化　125
8．6　用商業知識規劃未來　127
8．7　解決商業問題的新方法　129
8．8　創建商業特定解決方案　130
8．9　讓認知計算成為現實　131
8．10　認知應用如何改變市場　131
8．11　總結　132
第　9 章 IBM 沃森（Watson）——一個認知係統　133
9．1　沃森係統的定義　133
9．2　“極限挑戰”促進研究　135
9．3　沃森為《危險邊緣》做準備　135
9．4　沃森為商業應用做準備　137
9．5　DeepQA 結構組成部分　140
9．5．1　構建沃森語料庫：答案和證據來源　141
9．5．2　問題分析　143
9．5．3　假設生成　148
9．5．4　評分和置信度評估　149
9．6　總結　150
第　10 章 建立認知應用的過程　151
10．1　新興的認知平颱　152
10．2　明確對象　153
10．3　明確領域　153
10．4　瞭解適用對象並明確它們的屬性　154
10．5　明確問題並探索見解　155
10．5．1　典型問答對　156
10．5．2　預知係統　157
10．5．3　獲得相關數據源　158
10．6　建立和更新語料庫　160
10．6．1　準備數據　161
10．6．2　導入數據　161
10．6．3　修改和擴展語料庫　162
10．6．4　管理數據　162
10．7　訓練和測試　163
10．8　總結　165
第　11 章 建立認知醫療係統　167
11．1　醫療認知計算基礎　168
11．2　醫療生態係統的組成　169
11．3　從醫療數據模式中學習　170
11．4　建立大數據分析的基礎　172
11．5　醫療係統的認知應用　172
11．5．1　新興的認知醫療應用的兩種不同方法　173
11．5．2　認知應用中醫療分類學和本體論的作用　173
11．6　開始建立認知醫療係統　174
11．6．1　明確用戶可能會問的問題　174
11．6．2　導入內容來建立語料庫　175
11．6．3　訓練認知係統　176
11．6．4　豐富問題並加入語料庫　176
11．7　使用認知應用來改善健康狀況　177
11．7．1　Welltok　178
11．7．2　GenieMD　181
11．7．3　用戶健康數據平颱　182
11．8　利用認知應用改善電子病曆　182
11．9　利用認知應用改善臨床教學　183
11．10　總結　185
第　12 章 智慧城市：政府管理中的認知計算　187
12．1　城市如何運行　187
12．2　智慧城市的特點　189
12．2．1　為規劃收集數據　190
12．2．2　運作管理　191
12．2．3　安全和威脅管理　192
12．2．4　市民産生的文件和數據的管理　192
12．2．5　跨政府部門的數據一體化　193
12．3　數據公開運動的興起將會為認知城市提供動力　194
12．4　萬物聯網和更智慧的城市　194
12．5　理解數據的所有權和價值　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　用認知方法管理執法問題　197
12．6．2　智能能源管理：從形象化到分布式　198
12．6．3　利用機器學習保護電網　200
12．6．4　通過認知社區服務提升公眾健康水平　201
12．7　預防性保健更智能化的方法　202
12．8　建立更智能的交通基礎設施　203
12．8．1　發展中城市的交通管理　203
12．8．2　適應性交通信號燈控製計劃　203
12．9　利用分析來彌補員工技能的不足　204
12．9．1　明確新興技能要求和及時培訓　205
12．9．2　數字化入口（DOR）計劃　205
12．9．3　認知計算的機遇　206
12．10　創建認知型社區基礎設施　207
12．10．1　新型智能連接型社區舉措　207
12．10．2　認知計算的機遇　207
12．11　認知型城市的下一發展階段　208
12．12　總結　208
第　13 章 新興認知計算領域　211
13．1　認知計算理想市場的特點　212
13．2　縱嚮市場和産業　213
13．2．1　零售業　213
13．2．2　旅遊業　216
13．2．3　運輸與物流　217
13．2．4　通信業　218
13．2．5　安全與威脅探測　219
13．2．6　認知方法影響的其他領域　220
13．3　總結　222
第　14 章 認知計算的未來應用　223
14．1　下一代的要求　223
14．1．1　利用認知計算提高可預測性　224
14．1．2　知識管理的新生命周期　224
14．1．3　創建直觀的人機接口　224
14．1．4　關於增加最佳實踐封裝的要求　226
14．2　能夠改變認知計算未來的技術進步　226
14．3　未來將如何　227
14．3．1　未來五年　227
14．3．2　放眼長期　229
14．4　新興的創新　230
14．4．1　深度問答與假設生成　231
14．4．2　自然語言處理　231
14．4．3　認知訓練工具　232
14．4．4　數據整閤與錶示　233
14．4．5　新興的硬件結構　233
14．4．6　自然認知模型的可替代模型　237
14．5　總結　238
縮略語　239

思想的疆域：一場關於理解與創造的探索 這是一部關於如何超越機械處理，觸及思維本質的鴻篇巨製。 它並非一本淺嘗輒止的入門讀物，也不是一套堆砌術語的教科書，而是一次深刻的、全方位的思想旅程，旨在揭示人類心智的奧秘，並探索如何將這些奧秘轉化為能夠理解世界、解決復雜問題、甚至創造新事物的智能係統。本書將引導讀者踏上一條嚴謹而富啓發的探索之路，從最基礎的認知單元齣發，逐步構建起理解、學習、推理、決策乃至創造的完整框架。 本書的核心在於“認知”。 我們將深入剖析構成人類智慧的基石：感知、記憶、注意、語言、概念形成、學習機製以及推理能力。我們不滿足於僅僅描述這些能力，更要探究其運作的深層原理，理解它們是如何協同作用，讓我們能夠處理海量信息，識彆模式，建立聯係，並最終形成對世界的理解。通過對認知科學、心理學、神經科學等領域的交叉研究成果的梳理和整閤，本書將呈現一個關於人類智能運作的宏大藍圖。 首先，我們將從“感知”這一最原始的認知輸入開始。 眼睛如何捕捉光綫並轉化為視覺信息？耳朵如何分辨聲音的細微差彆？觸覺、嗅覺、味覺又扮演著怎樣的角色？本書將詳細解析這些感官信息是如何被大腦接收、編碼和初步處理的。我們會探討各種感知模態的特點、局限性，以及它們如何共同構建我們對物理世界的初級認知。在此基礎上，我們將深入研究“注意”機製，理解我們是如何在海量的信息流中篩選齣關鍵要素，並將有限的認知資源分配給最重要的任務。我們會審視不同類型的注意，比如選擇性注意、持續性注意和分配性注意，並分析它們在日常認知活動中的重要性。 接著，我們將步入“記憶”的廣闊領域。 記憶不僅僅是信息的存儲，更是一個動態的、建構性的過程。本書將詳細闡述不同類型的記憶，包括感覺記憶、短時記憶（工作記憶）和長時記憶，並深入探討它們的編碼、存儲和提取機製。我們會審視記憶的聯想性、選擇性和可塑性，理解記憶是如何受到情緒、經驗和認知偏差的影響而不斷重塑的。同時，本書也將探討遺忘的機製，理解為何有些信息會消失，而另一些則會根深蒂固，並思考如何優化記憶以促進學習和知識的積纍。 “學習”是本書不可或缺的重要組成部分。 我們將超越簡單的條件反射和重復記憶，深入探討各種形式的學習，包括監督學習、無監督學習、強化學習以及遷移學習。我們會分析學習的內在動機，以及外部奬勵和懲罰如何影響學習過程。本書將重點關注人類學習中的“理解”和“洞察”，而非僅僅是模式匹配。我們將探討概念的形成過程，理解我們如何通過歸納、演繹和類比來構建抽象的概念體係，並將其應用於新的情境。我們會審視學習中的試錯、反饋和反思的作用，以及如何通過有效的學習策略來加速認知能力的提升。 “語言”作為人類最獨特的認知工具，將占據重要的篇幅。 我們將從語言的産生機製齣發，探討語音、詞匯、語法和語義的復雜互動。本書將深入分析語言理解的過程，以及語言是如何承載和傳遞思想、情感和文化信息的。我們會審視語言的靈活性和創造性，理解我們如何通過組閤有限的語言單位來錶達無限的意義。此外，本書還將探討語言與思維之間的深刻聯係，以及語言在塑造我們的認知結構和世界觀方麵的作用。 “推理”是連接信息和知識的橋梁。 我們將詳細分析不同類型的推理，包括演繹推理、歸納推理、溯因推理和類比推理。本書將探討這些推理形式的邏輯基礎、潛在的謬誤以及在解決問題中的應用。我們會關注人類在麵對不確定性和模糊性時的推理能力，以及如何做齣閤理的判斷和決策。本書還將考察直覺性推理和分析性推理的差異，以及它們在不同情境下的優勢和局限。 “概念形成”是人類智能的關鍵飛躍。 我們將探究人類如何從具體的經驗中抽象齣普遍的概念，並如何對概念進行分類、組織和關聯。本書將討論不同類型的概念，如具體概念、抽象概念、關係概念和功能概念，並分析概念學習和概念變化的機製。我們會審視概念模糊性、概念泛化和概念區分在認知過程中的作用，以及如何通過清晰的概念定義來提升理解的準確性。 “決策”是認知能力的最終體現之一。 在信息不完全、時間有限、存在風險的情況下，我們如何做齣最佳的選擇？本書將深入分析決策的理論模型，包括理性決策模型、有限理性模型以及啓發式和偏差在決策中的作用。我們會審視情緒、動機和價值觀如何影響我們的決策過程，以及如何通過係統性的方法來提升決策的質量和效率。 最終，本書將把視角轉嚮“創造”。 創造不僅僅是藝術傢的專利，更是人類思維的最高形式之一。我們將探討創造的本質，以及它與現有知識、經驗和認知的關係。本書將分析不同類型的創造性思維，如發散性思維、聚閤性思維和跳躍性思維，並探討如何培養和激發創造力。我們會審視跨領域知識的融閤、類比和隱喻在創造中的作用，以及如何構建能夠支持和促進創新的環境。 本書不僅關注理論的探討，更強調實際的應用。 我們將通過大量的案例研究、思想實驗和認知挑戰，引導讀者親身實踐和體驗書中的概念。本書的最終目標是賦予讀者更深刻的理解，更強大的認知能力，以及更廣闊的思維視野。它將幫助你更好地理解自己，理解他人，理解世界，並最終在你的思想疆域內，開啓無限的探索和創造之旅。 這部著作，將是你深入人類思維核心，解鎖認知潛能，擁抱智能未來的重要啓濛。 它是一場關於理解與創造的史詩級敘事，等待著你的深入閱讀與思考。

評分☆☆☆☆☆

《認知計算與大數據分析》這本書，當我第一次翻閱時，我主要的關注點在於它能否為我提供解決實際工作難題的思路和方法。書中對“認知計算”的定義和框架的介紹，確實提供瞭理論上的指導，比如它如何模仿人類的認知過程來處理信息，以及它與傳統人工智能的區彆。我尤其對書中關於“知識圖譜”構建與應用的章節印象深刻，它解釋瞭如何將非結構化的數據轉化為結構化的知識，並用於智能問答和推薦係統。這部分內容對於我正在負責的一個知識管理項目非常有啓發。然而，在“大數據分析”的部分，我感覺它更多的是對現有技術和工具的介紹，比如一些主流的大數據處理平颱和分析方法，如Hadoop、Spark等。雖然這些信息很有用，但它們更像是對市場現狀的梳理，而不是深入講解如何在特定場景下選擇和優化這些工具，或者如何解決大數據分析中常見的挑戰，例如數據清洗、特徵工程等。因此，雖然整體上感覺內容翔實，但對於尋求具體技術解決方案的讀者來說，可能需要結閤其他更深入的專項書籍。

評分☆☆☆☆☆

這本書的名字叫做《認知計算與大數據分析》，初初拿到手的時候，我帶著一種“噢，又是一本關於高大上技術理論的書”的心態，但翻開之後，卻發現它像是打開瞭一個全新的世界。一開始，我以為它會像市麵上很多同類書籍一樣，上來就堆砌一堆晦澀難懂的算法和模型，然後讓你在公式和代碼的海洋裏掙紮。結果完全不是，作者的敘事方式非常巧妙，他沒有直接進入技術細節，而是從認知計算最核心的“理解”這個概念入手，用生動形象的比喻，比如把計算機比作一個正在學習的小孩，一步步引導讀者去思考“機器是如何‘看’，‘聽’，‘說’，甚至‘思考’的”。這種循序漸進的方式，讓我這個對技術不算特彆精通的讀者也覺得非常容易理解。更讓我驚喜的是，書中並沒有停留在理論層麵，而是通過大量的實際案例，展示瞭認知計算是如何在醫療診斷、金融風險控製、智能客服等領域大顯身手的。尤其是關於某個智能醫療係統如何通過分析病曆數據，比醫生更早地發現潛在疾病的案例，讀起來既震撼又引人深思，讓我開始重新審視人工智能在改變我們生活方麵所扮演的角色。這本書讓我覺得，大數據分析不再是冰冷的數據堆砌，而是承載著無限可能性的智慧工具。

評分☆☆☆☆☆

拿到《認知計算與大數據分析》這本書，我的第一印象是它可能會是一本枯燥的學術專著，充斥著各種公式和理論。然而，當我沉浸其中後，我發現它遠比我想象的要有趣得多。作者的文筆十分流暢，而且充滿瞭故事性。他沒有上來就講晦澀的技術概念，而是先從一個引人入勝的故事講起，比如一傢公司如何利用大數據分析來預測客戶的行為，從而大幅提升銷售額。這種“以終為始”的敘述方式，一下子就抓住瞭我的注意力，讓我對接下來的內容充滿瞭好奇。書中穿插瞭許多生動的案例，有些案例我甚至在新聞中聽說過，但書中卻從更深層次地剖析瞭其背後的技術原理。尤其是關於“情感分析”在社交媒體監控中的應用，作者用瞭很多篇幅來描述如何通過分析海量文本信息，捕捉公眾情緒的細微變化，這讓我對大數據分析在社會科學領域的應用有瞭全新的認識。這本書就像一本偵探小說，每一章都揭示著數據背後的秘密，讓我忍不住一頁一頁地往下翻。

評分☆☆☆☆☆

當我開始閱讀《認知計算與大數據分析》這本書時，我帶著一種學習專業知識的嚴謹態度，期待著能夠深入瞭解這個領域的最新進展和核心技術。書的前半部分，確實如我所願，詳細地闡述瞭認知計算的幾個關鍵組成部分，包括自然語言處理、機器學習、深度學習以及知識圖譜等。作者在解釋這些概念時，並沒有迴避技術細節，而是以一種結構化的方式，逐步剖析瞭各種算法的工作原理和數學基礎。例如，在講解深度學習時，書中列舉瞭多層神經網絡的結構，並詳細解釋瞭反嚮傳播算法如何用於模型優化。這對於我這樣有一定技術背景的讀者來說，無疑是極具價值的。書中的圖錶和示意圖也設計得非常清晰，輔助理解復雜的模型。然而，讓我稍感意外的是，本書在探討大數據分析的實際應用時，似乎更側重於描述結果和影響，而非深入剖析實現這些結果的具體技術路徑。雖然我理解為瞭保持全書的流暢性，作者可能有所取捨，但對於那些希望瞭解“如何實現”的讀者而言，這部分內容可能略顯淺嘗輒止，缺乏更具操作性的指導。

評分☆☆☆☆☆

這本書的書名《認知計算與大數據分析》就足以吸引人，我帶著對這兩個熱門領域的濃厚興趣開始瞭閱讀。最令我感到驚訝的是，書中並沒有過多的技術術語堆砌，而是以一種非常平實易懂的語言，講述瞭許多關於認知計算和大數據分析的奇妙之處。作者似乎非常擅長將復雜的概念“接地氣”，比如他用瞭很多生活中的例子來解釋什麼是“模式識彆”，什麼是“預測模型”，讓我這個非技術背景的讀者也能輕鬆理解。書中關於“機器學習”的介紹，特彆讓我著迷，它並沒有一上來就講解復雜的算法，而是從“學習”這個本質齣發，一步步引導我理解機器是如何通過數據來“學習”的。更讓我驚喜的是，書中還涉及瞭許多關於“倫理”和“隱私”的討論，在當下大數據無處不在的時代，這些問題尤為重要。作者並沒有給齣簡單的答案，而是引導讀者去思考，這種審慎的態度讓我對這本書的好感度倍增。這本書讓我覺得，瞭解這些技術不再是遙不可及的，而是與我們的生活息息相關。

評分☆☆☆☆☆

這本書買電子的好，紙質太貴。

評分☆☆☆☆☆

送貨很快，好評。

評分☆☆☆☆☆

好，新技術，值得擁有好，新技術，值得擁有

評分☆☆☆☆☆

內容豐富專業，適閤有一定基礎的讀者閱讀，正版圖書。

評分☆☆☆☆☆

這本書有些枯燥，乾貨並不多

評分☆☆☆☆☆

湊活動買的，買來學習學習

評分☆☆☆☆☆

很好很強大，下次還要買

評分☆☆☆☆☆

可以

評分☆☆☆☆☆

包括瞭當前的熱點問題，值得讀讀，