具体描述
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、亚马逊、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。
目录信息
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
4.5Hadoop064
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
第7章认知计算中云和分布式计算的作用107
第8章认知计算的商业意义121
第9章IBM沃森(Watson)——一个认知系统133
第10章建立认知应用的过程151
第11章建立认知医疗系统167
第12章智慧城市:政府管理中的认知计算187
第13章新兴认知计算领域211
第14章认知计算的未来应用223
缩略语239
· · · · · · (收起)
读后感
用户评价
坦率地说,这本书的阅读体验非常“重磅”,它要求读者投入相当的精力和专注度。但我认为,这种投入是完全值得的。作者在构建知识体系时,采取了一种螺旋上升的教学法。初看时,某些章节的数学推导似乎有些吃力,但随着后续章节引入更高级的应用场景,你回头再看,那些初始的障碍点竟然自行消融了。这种设计体现了作者对读者学习曲线的深刻理解。它不是为了迎合快速消费的阅读习惯,而是立志于打造一本能够长期陪伴和反复研读的工具书。我尤其欣赏它在“不确定性”建模上的处理方式。在处理真实世界的复杂系统时,完美预测是不可能的,而这本书教会我的,是如何量化和管理这种“已知的不确定性”,这对于提升决策的信心至关重要。
这本书的叙事风格非常具有个人魅力,它仿佛是一位经验丰富的老教授,坐在你对面,耐心地为你拆解这个瞬息万变的技术世界。语言风格时而幽默风趣,时而又变得异常凝重,尤其是在讨论未来趋势的章节。作者对未来技术图景的描绘极具前瞻性,他没有盲目地吹捧某项新兴技术,而是以一种审慎且富有洞察力的目光,指出了技术发展的瓶颈和下一波浪潮可能出现的方向。读完后,我的感觉是,我不再是被动地接收技术信息,而是有能力去预判和布局。这本书提供的不仅仅是当前的技术栈知识,更是一种面向未来的战略视野。它成功地将一个庞大且分散的领域,梳理成一张清晰、可导航的知识地图,让人豁然开朗。
这本书的排版和结构设计堪称一绝,每一次翻页都像是在解开一个精心布置的谜团。我尤其欣赏它在数据治理和伦理规范部分所花费的篇幅。在当前这个“数据为王”的时代,技术的光芒往往掩盖了其背后的伦理风险。本书没有回避这些尖锐的问题,而是非常坦诚地探讨了数据偏见、隐私保护以及算法的黑箱问题。它没有给出绝对的“标准答案”,而是引导读者去思考如何在效率与公平之间找到微妙的平衡点。比如,在论述数据清洗流程时,作者巧妙地引入了社会学视角,指出“干净”的数据本身可能就携带了某种预设的社会结构。这种跨学科的融合,使得全书的视野极为开阔,不再局限于纯粹的理工科范畴。对于希望成为负责任的技术专家的我来说,这部分内容价值千金,远超那些单纯介绍工具的书籍。
翻开这本书,我原以为会是一场关于复杂算法和抽象模型的枯燥旅程,但事实却远非如此。作者的笔触极其细腻,仿佛带着我们走进了数据洪流的最前沿。书中对那些晦涩难懂的概念,比如深度学习中的注意力机制,解释得深入浅出,即使是对人工智能领域初窥门径的人来说,也能迅速抓住核心要义。更让我惊喜的是,它并没有止步于理论的罗列,而是穿插了大量的行业案例,比如金融风控中如何利用图神经网络识别异常交易,以及医疗影像分析中卷积神经网络的最新突破。这些实战性的内容,让我真切感受到“计算”的力量是如何在现实世界中落地生根,为决策提供精准的支撑。阅读过程中,我时常需要停下来,回味那些精妙的比喻和清晰的逻辑推导。它提供的不仅仅是知识,更是一种观察和解决问题的全新思维框架,让我对未来技术的发展方向有了更宏大、更具象的把握。这本书无疑是当前技术图书市场中一股清流,兼具学术的严谨与实践的鲜活。
我是一个偏爱动手实践的读者,所以一本书如果只有理论,对我吸引力有限。然而,这本书在这方面也给了我极大的满足感。虽然它不是一本纯粹的编程手册,但书中对各种主流分析框架的底层逻辑阐述得极其到位,以至于我可以直接将书中的理论模型映射到我正在使用的Python库中去优化代码。特别是关于流式数据处理的部分,作者深入剖析了时间窗口计算的复杂性和内存管理策略,提供了几套性能优化的小技巧,这些都是以往教科书中难以找到的“内幕消息”。合上书本时,我感觉自己像是刚参加完一场高强度的技术研讨会,脑子里充满了亟待验证的灵感。它激发了我立刻打开IDE,去尝试构建一个更高效、更具鲁棒性的分析流程的冲动。这本书成功地搭建了一座理论殿堂与工程实践之间的坚固桥梁。
定位尴尬的一本书。对专业人士来说,不需要再对他们解释基础概念了;对入门者来说,术语一个解释也没有。所以这是一本价值极为有限的书。
定位尴尬的一本书。对专业人士来说,不需要再对他们解释基础概念了;对入门者来说,术语一个解释也没有。所以这是一本价值极为有限的书。
定位尴尬的一本书。对专业人士来说,不需要再对他们解释基础概念了;对入门者来说,术语一个解释也没有。所以这是一本价值极为有限的书。
定位尴尬的一本书。对专业人士来说,不需要再对他们解释基础概念了;对入门者来说,术语一个解释也没有。所以这是一本价值极为有限的书。
定位尴尬的一本书。对专业人士来说,不需要再对他们解释基础概念了;对入门者来说,术语一个解释也没有。所以这是一本价值极为有限的书。