大数据及人工智能分析概论 pdf下载

　　大数据分析在企业日常经营分析中主要有三大作用：现状分析、原因分析和未来预测。
　　《大数据及人工智能分析概论》以“大数据分析”为重点，从多种观点出发，阐述了对大数据分析的不同理解和大众在环境、大数据企划与设计层面上需要考虑的问题，目的是把隐藏在数据背后的信息集中和提炼出来，总结出所研究对象的内在规律，使人们在决策过程中可以依据大数据分析结果进行有效的判断和决策，因此《大数据及人工智能分析概论》具有非常重要的实践指导意义、学术价值和出版意义。

　　施利毅，教授、博士、博士研究生导师。上海大学纳米科学与技术研究中心副主任（主持工作）、科技部纳米复合功能材料国际科技合作示范基地负责人、材料复合及先进分散技术教育部工程研究中心主任、上海新材料及应用协同创新中心主任、上海资源环境新材料及应用工程技术中心主任，国家纳米技术标准委员会委员、上海市颗粒学会理事长。作为首发明人申请国家发明专利300余项（其中近200项已获得授权），获得美国、欧洲、日本、巴西等授权专利近20项；在国际高水平刊物发表SCI收录论文400余篇，入选2020年、2021年全球高被引科学家名单；承担及完成国家项目、省部级科研项目、国际合作项目及企业项目60多项；获得教育部、上海市及河南省科技奖励10余项；编著《纳米科技基础》和《纳米材料》等教材6本，并担任“创新创业时代”科技丛书执行主编，出版专著《科技创新平台》《创新创业教育》《技术价值评估》《技术信用评价》等。曾任上海大学科技处处长、科技发展研究院院长、技术转移中心主任、国家大学科技园总经理等。
　　
　　梁龙男，上海大学（浙江·嘉兴）新兴产业研究院副院长，中韩产学研成果转移中心主任，韩国技术价值评估协会技术价值评估师。长期从事技术经营、技术价值评价、技术信用评价、大数据及人工智能分析、技术合作与技术成果产业化研究及相关业务。著有《技术价值评估：理论与实践》（合著，经济管理出版社，2018年）、《技术信用评估理论与实践》（合著，经济管理出版社，2020年）等。
　　
　　金善泳，韩国智能信息社会振兴院大数据技术咨询专家，韩国国家职业能力标准开发院（NCS）大数据专门委员，韩国产业技术大学计算机工学专业兼职教授。长期从事大数据及人工智能分析和研究。目前开展以分析和应用为主的韩国各产业大数据平台、数据交易和元宇宙（Metaverse）方面的研究。

第一章 大数据的定义
第一节 大数据的实际形态
第二节 信息和数据
第三节 大数据的处理

第二章 大数据分析
第一节 企业实际需要的分析
第二节 从数据到分析结果的距离
第三节 概念性的分析方法回顾

第三章 大数据分析的趋势
第一节 大数据分析的发展过程
第二节 从平台角度看大数据分析的趋势
第三节 从数据观点看大数据分析的趋势
第四节 从算法观点看大数据分析的趋势
第五节 从应用观点看大数据分析的趋势
第六节 公共数据开放趋势

第四章 可表现数据含义的大数据分析
第一节 数据分析方法的类型
第二节 联机分析处理和报告
第三节 看板
第四节 可视化

第五章 可预测和掌握数据含义的大数据分析
第一节 统计
第二节 以神经网络为基础的机器学习和深度学习
第三节 以误差为基础的机器学习和以相似性为基础的机器学习
第四节 以信息为基础的机器学习
第五节 以贝叶斯定理为基础的机器学习
第六节 机器学习的多种学习方法

第六章 可直接用于决策的大数据分析
第一节 最优化
第二节 可进行预测和估算的随机过程模型
第三节 以脚本为基础的模拟

第七章 数据科学家
第一节 数据科学家的面貌
第二节 对分析必要性的判断
第三节 制作分析数据
第四节 分析结果的验证和监控
第五节 数据科学家对大数据的看法

第八章 大数据分析的商业规划
第一节 数据业务
第二节 商业与系统
第三节 帕累托法则
第四节 长尾理论

第九章 大数据分析的主题确定与系统规划
第一节 导出大数据分析的主题
第二节 不需要构建分析系统的情况
第三节 分析系统概念设计
……

第十章 大数据的采集和存储
第十一章 大数据的处理
第十二章 大数据分析产品与不断发展的技术

结语

　　近年来，人工智能与机器人在全世界范围内备受关注。但是从2014年开始，在国际权威的IT研究与顾问咨询公司高德纳咨询公司（Gartner）每年公布的十大技术中，“大数据”这样的词语就不再出现了。这不是因为“大数据”不再重要，而是意味着“大数据”已经包含在十大技术里，或者已经成为这些技术的基础。“大数据”不仅可以用于构建和应用分析模型，还可以应用于机器学习（Machine Learning）、人工智能等诸多领域。
　　“大数据”这个词语已经出现多年。早在2012年，大数据在硬件、网络、磁盘生产企业就已占据主导地位，但是随着相关的基础建设和技术验证取得阶段性成果，大数据分析与应用逐渐成为重点。如果以2015年为分水岭，之前“大数据”和“大数据技术”是重点，那么从2016年开始，在“大数据”和“大数据技术”的基础上增加算法成为大数据分析的主要特点。与“大数据”本身相比，怎样分析和应用“大数据”更为重要。
　　即使是专家，也很难解决现实中遇到的大部分“大数据分析”方面的问题。因为“大数据分析”不仅涉及的范围很广，而且还没有确定的标准答案。也许今天应用这种方法最好，但是明天又可能发现其他更合适的方法。
　　“大数据技术”和“大数据分析”属于不同的领域。“大数据技术”是由计算机领域的专业人士应用和发展起来的，而“大数据分析”则是统计学、经营学、社会学等领域的专业人士所擅长的。当下的社会发展需要融合这两种完全不同的领域，最近出现的“融合学科”就反映了这一情况。计算机领域的专业人士不了解商务经营或统计，而统计或经营领域的专业人士又不了解大数据技术，为了满足社会发展的需要，一些可供人们简单、快捷地使用最常用的开放源码（Open Source）“R”软件的工具便应运而生了。
　　在不久的将来，如果相关法律和法规允许，并且在业内形成生态环境，那么“数据湖”（DataLake）和“数据加工、流通”会得到快速发展。但是，能透彻地分析数据的专家并不多。目前的“大数据分析师”培训只侧重于技术方面，并不能使大数据分析师实质性地理解和应用“大数据分析”，大部分有关大数据的书籍也以特定的大数据技术为中心。为了弥补这些缺憾，我们编写《前瞻技术丛书》时没有以“大数据技术”为重点，而是以“大数据分析”为重点，并以希望成为“大数据分析师”的、有潜力的人才为阅读对象，书中的内容也尽量使读者容易理解。
　　本书对“大数据分析”进行了概述，并且在多处表达了作者的见解，这是为了让读者同作者一起思考有关“大数据分析”的问题。如果全盘接受专家们提供的方案，那么可能无法提高自身在现实中解决“大数据分析”问题的能力。即使是对大家公认的理论或当下非常受大众欢迎的技术知识，也需要详细了解，考虑其不足之处。此外，本书并不是可用于简单了解“大数据分析”的基础类书籍，而是以学习过与大数据分析有关的企划、咨询、开发知识或在这些领域有经验的专业人士为阅读的对象。
　　进行“大数据分析”的人员需要从第一章开始看，而了解“大数据技术”的人员从第二章开始看就能够梳理目前遇到的问题和想要做的事情，并且会有一个相对明确的方向。
　　本书从多种观点出发，阐述了作者对大数据分析的不同理解和大众在环境、大数据企划与设计层面上需要考虑的问题。对于大数据分析案例及可以应用在实际业务中的内容，将在下一本书《大数据分析案例研究与实务》中详细阐述。
　　我们在编写《前瞻技术丛书》的过程中，得到了多位专家和多家企业的帮助，我们特意向拥有15年以上数据领域经验、不断学习新技术和新理念的企业咨询并得到了帮助。