互联网
类型
可以朗读
语音朗读
179千字
字数
2021-06-01
发行日期
展开全部
主编推荐语
构建可扩展并交付长期价值的企业级信息架构。
内容简介
只有在可以一致地提供预测性的业务见解并在整个组织范围内扩展时，数据分析和AI才能产生价值。这也是众多企业所面临的巨大挑战。
本书概述了有效且实用的组织、管理和评估数据的方法，因此有助于建立信息体系结构以更好地推动AI和数据科学的发展。
本书主要包括以下内容：简化数据管理，使数据随时随地可用；缩短实现AI用例的价值实现时间；使整个企业都可以访问AI和数据洞察力；动态、实时地扩展复杂的AI场景；开发可带来可预测的、可重复的价值的信息体系结构。
本书可以使包括架构师、开发人员、产品所有者和业务主管在内的各种角色受益。
目录
- 版权信息
- 题记
- 本书赞誉
- 序言
- 前言
- 致谢
- 关于作者
- 推荐语
- 第1章 攀登人工智能阶梯
- 1.1 人工智能的数据准备
- 1.2 重点技术领域
- 1.3 一步一个脚印地攀登阶梯
- 1.4 不断适应以保持组织的相关性
- 1.5 基于数据的推理在现代业务中至关重要
- 1.6 朝着以人工智能为中心的组织迈进
- 1.7 本章小结
- 第2章 框架部分I：使用人工智能的注意事项
- 2.1 数据驱动决策制定
- 2.1.1 通过询问来获得洞见
- 2.1.2 信任矩阵
- 2.1.3 衡量标准和人类洞见的重要性
- 2.2 使数据与数据科学民主化
- 2.3 是的，先决条件：组织数据必须有先见之明
- 2.4 促进变革之风：有组织的数据如何缩短反应时间
- 2.5 质疑一切
- 2.6 本章小结
- 第3章 框架部分II：使用数据和人工智能的注意事项
- 3.1 个性化每个用户的数据体验
- 3.2 上下文的影响：选择正确的数据显示方式
- 3.3 民族志研究：通过专业数据增进理解
- 3.4 数据治理和数据质量
- 3.4.1 分解数据的价值
- 3.4.2 通过数据治理提供结构
- 3.4.3 为训练进行数据策管
- 3.4.4 创造价值的其他注意事项
- 3.5 本体论：封装知识的手段
- 3.6 人工智能成果的公平、信任和透明度
- 3.7 可访问的、准确的、经过策管的和经过组织的数据
- 3.8 本章小结
- 第4章 分析回顾：不只是个锤子
- 4.1 曾经的情况：回顾企业数据仓库
- 4.2 传统数据仓库的缺点
- 4.3 范式转变
- 4.4 现代分析环境：数据湖
- 4.4.1 两者对比
- 4.4.2 本地数据
- 4.4.3 差异属性
- 4.5 数据湖的要素
- 4.6 新常态：大数据即普通数据
- 4.6.1 从单一数据模型的刚性中解放出来
- 4.6.2 流数据
- 4.6.3 适合任务的工具
- 4.6.4 易访问性
- 4.6.5 降低成本
- 4.6.6 可扩展性
- 4.6.7 人工智能的数据管理和数据治理
- 4.7 Schema-On-Read与Schema-On-Write
- 4.8 本章小结
- 第5章 分析前瞻：不是所有事物都是钉子
- 5.1 组织的需求
- 5.1.1 暂存区域
- 5.1.2 原始区域
- 5.1.3 发现与探索区域
- 5.1.4 对齐区域
- 5.1.5 协调区域
- 5.1.6 策管区域
- 5.2 数据拓扑
- 5.2.1 区域地图
- 5.2.2 数据管道
- 5.2.3 数据地形
- 5.3 扩展、添加、移动和删除区域
- 5.4 启用区域
- 5.4.1 摄入
- 5.4.2 数据治理
- 5.4.3 数据存储和保留
- 5.4.4 数据处理
- 5.4.5 数据访问
- 5.4.6 管理和监控
- 5.4.7 元数据
- 5.5 本章小结
- 第6章 人工智能阶梯的运营准则
- 6.1 时光流逝
- 6.2 创建
- 6.2.1 稳定性
- 6.2.2 障碍
- 6.2.3 复杂性
- 6.3 执行
- 6.3.1 摄入
- 6.3.2 可见性
- 6.3.3 合规性
- 6.4 运行
- 6.4.1 质量
- 6.4.2 依赖
- 6.4.3 可复用性
- 6.5 xOps三重奏：DevOps/MLOps、DataOps和AIOps
- 6.5.1 DevOps/MLOps
- 6.5.2 DataOps
- 6.5.3 AIOps
- 6.6 本章小结
- 第7章 最大化运用数据：以价值为导向
- 7.1 迈向价值链
- 7.1.1 通过关联链接
- 7.1.2 启用操作
- 7.1.3 扩大行动手段
- 7.2 策管
- 7.3 数据治理
- 7.4 集成数据管理
- 7.4.1 载入
- 7.4.2 组织
- 7.4.3 编目
- 7.4.4 元数据
- 7.4.5 准备
- 7.4.6 预配
- 7.4.7 多租户
- 7.5 本章小结
- 第8章 通过统计分析评估数据并启用有意义的访问
- 8.1 派生价值：将数据当作资产进行管理
- 8.2 数据可访问性：并非所有用户都是平等的
- 8.3 向数据提供自助服务
- 8.4 访问：添加控件的重要性
- 8.5 为了数据治理，使用自底向上的方法对数据集进行排序
- 8.6 各行业如何使用数据和人工智能
- 8.7 受益于统计数字
- 8.8 本章小结
- 第9章 长期构建
- 9.1 改变习惯的需要：避免硬编码
- 9.1.1 过载
- 9.1.2 锁定
- 9.1.3 所有权和分解
- 9.1.4 避免变化的设计
- 9.2 通过人工智能扩展数据的价值
- 9.3 混合持久化
- 9.4 受益于数据素养
- 9.4.1 理解主题
- 9.4.2 技能集
- 9.4.3 全部都是元数据
- 9.4.4 正确的数据，在正确的上下文中，使用正确的接口
- 9.5 本章小结
- 第10章 终章：人工智能的信息架构
- 10.1 人工智能开发工作
- 10.2 基本要素：基于云的计算、数据和分析
- 10.2.1 交集：计算容量和存储容量
- 10.2.2 分析强度
- 10.2.3 跨要素的互操作性
- 10.2.4 数据管道飞行路径：飞行前、飞行中、飞行后
- 10.2.5 数据水坑、数据池和数据湖的数据管理
- 10.3 驱动行动：上下文、内容和决策者
- 10.4 保持简单
- 10.5 筒仓已死，筒仓长存
- 10.6 分类：组织数据区域
- 10.7 开放平台的功能
- 10.8 本章小结
- 附录 缩略语对照表
展开全部
评分及书评
评分不足
2个评分
- 给这本书评了5.0
大多数关于数据分析和数据科学的书都侧重于该学科的工具和技术，并没有为读者提供一个完整的框架来规划和实施旨在解决业务问题和提升竞争优势的项目。仅仅因为机器学习和新的方法从数据中学习，而不需要预设分析模型，并不能消除对强大的信息管理计划和所需流程的需求。
出版方
机械工业出版社有限公司
机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
