大數(shù)據(jù)智能核心技術(shù)入門：從大數(shù)據(jù)到人工智能

第1章 大數(shù)據(jù)智能概論 1
1 大數(shù)據(jù)現(xiàn)象的本質(zhì) 1
大數(shù)據(jù)源起：先知的誘惑 1
從《瑯琊榜》看大數(shù)據(jù)本質(zhì) 3
2 大數(shù)據(jù)是個(gè)“筐”，什么都能往里裝 5
大數(shù)據(jù)技術(shù)業(yè)務(wù)概覽 6
為什么叫大數(shù)據(jù)智能 7
3 何謂大數(shù)據(jù)智能 7
圖靈的智能之問 7
大數(shù)據(jù)如何助力人工智能 9
大數(shù)據(jù)智能的深度融合之路 11
4 大數(shù)據(jù)智能三要素 12
數(shù)據(jù)：智能燃料 13
算法：智能引擎 14
算力：智能加速 15
5 大數(shù)據(jù)智能的馬太效應(yīng) 16
DT技術(shù)新解 16
強(qiáng)者越強(qiáng)，弱者越弱 18
挑戰(zhàn)才剛剛開始 19
第2章 多維度解構(gòu)大數(shù)據(jù)智能技術(shù) 21
1 “四位一體”看大數(shù)據(jù)智能 21
大數(shù)據(jù)智能技術(shù)的四個(gè)維度 22
云計(jì)算的支撐地位 24
2 大數(shù)據(jù)智能產(chǎn)業(yè)鏈版圖 26
百家爭(zhēng)鳴的DT生態(tài) 27
開源的巨大推動(dòng)力 29
3 大數(shù)據(jù)智能的關(guān)鍵技術(shù)體系 31
大數(shù)據(jù)智能總體應(yīng)用架構(gòu) 31
大數(shù)據(jù)智能的基礎(chǔ)支撐技術(shù) 34
大數(shù)據(jù)智能應(yīng)用流程優(yōu)化 39
4 從數(shù)據(jù)科學(xué)看大數(shù)據(jù)智能 43
什么是數(shù)據(jù)科學(xué) 43
數(shù)據(jù)科學(xué)的核心技術(shù) 44
數(shù)據(jù)科學(xué)的技術(shù)體系 47
數(shù)據(jù)科學(xué)的藝術(shù) 48
5 從商業(yè)智能看大數(shù)據(jù)智能 50
商業(yè)智能應(yīng)用的問題 50
BI如何借力大數(shù)據(jù)智能 52
大數(shù)據(jù)智能與BI的融合之路 53
6 智能時(shí)代的基礎(chǔ)信息架構(gòu) 54
DT基礎(chǔ)設(shè)施：云端―數(shù)據(jù)―智能 54
Hadoop大數(shù)據(jù)管理：“三個(gè)臭皮匠，賽過諸葛亮” 55
OpenStack云計(jì)算：一切皆服務(wù) 58
TensorFlow深度學(xué)習(xí)：流動(dòng)的張量 59
第3章 大數(shù)據(jù)驅(qū)動(dòng)的深度智能 63
1 深度學(xué)習(xí)的崛起 63
早期AI的發(fā)展 64
“貓”“狗”AI的野蠻生長(zhǎng) 65
深度學(xué)習(xí)正在重塑機(jī)器智能 69
2 機(jī)器如何智能：從感知到認(rèn)知 70
何謂機(jī)器智能 70
機(jī)器智能的三個(gè)層次 71
智能技術(shù)及應(yīng)用體系 72
3 機(jī)器如何學(xué)習(xí)：從知識(shí)到數(shù)據(jù) 73
符號(hào)派AI的瓶頸 73
淺層學(xué)習(xí)：小數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)1．0 76
深度學(xué)習(xí)：大數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)2．0 83
4 機(jī)器學(xué)習(xí)五大學(xué)派 84
機(jī)器學(xué)習(xí)主流方向 84
機(jī)器學(xué)習(xí)算法不完全概覽 87
機(jī)器學(xué)習(xí)技術(shù)選型 88
5 神經(jīng)網(wǎng)絡(luò)的“三起兩落” 90
神經(jīng)元與神經(jīng)網(wǎng)絡(luò) 90
神經(jīng)網(wǎng)絡(luò)研究的泡沫與價(jià)值 92
6 深度學(xué)習(xí)原理及核心網(wǎng)絡(luò)結(jié)構(gòu) 94
機(jī)器如何深度學(xué)習(xí) 94
自動(dòng)特征工程：抽象與迭代 96
深度學(xué)習(xí)的關(guān)鍵詞 97
深度學(xué)習(xí)的主流網(wǎng)絡(luò)結(jié)構(gòu) 100
7 深度強(qiáng)化學(xué)習(xí)：深度感知+強(qiáng)化決策 108
什么是強(qiáng)化學(xué)習(xí) 108
AlphaGo的深度強(qiáng)化策略 109
8 深度學(xué)習(xí)的“深度”價(jià)值 110
類腦學(xué)習(xí)參考 111
無(wú)監(jiān)督自動(dòng)特征工程 112
多種學(xué)習(xí)方式的融合 112
9 深度學(xué)習(xí)的瓶頸與挑戰(zhàn) 113
如何從感知到認(rèn)知 114
如何從監(jiān)督學(xué)習(xí)到無(wú)監(jiān)督學(xué)習(xí) 114
學(xué)習(xí)方式及應(yīng)用場(chǎng)景的局限 115
多模態(tài)、多任務(wù)增量學(xué)習(xí)和模型重用 116
可解釋性、安全性與魯棒性 116
大數(shù)據(jù)、大模型與計(jì)算資源的瓶頸 118
第4章 敏捷大數(shù)據(jù)智能 121
1 為什么需要敏捷 121
大數(shù)據(jù)應(yīng)用落地的瓶頸 121
敏捷大數(shù)據(jù)的重要性 123
2 敏捷大數(shù)據(jù)方法論 126
精益與敏捷思想 127
敏捷大數(shù)據(jù)定義及核心原則 130
“大”數(shù)據(jù)“小”應(yīng)用 132
敏捷大數(shù)據(jù)應(yīng)用流程 132
3 微服務(wù)、容器與數(shù)據(jù)融合 134
微服務(wù)與容器技術(shù) 134
多層次數(shù)據(jù)融合技術(shù) 137
4 敏捷大數(shù)據(jù)智能技術(shù)架構(gòu) 139
5 結(jié)論與展望 144
第5章 大數(shù)據(jù)智能“獨(dú)角獸”探秘 146
1 Palantir的本體人機(jī)共生 146
B2B大數(shù)據(jù)領(lǐng)域的“獨(dú)角獸” 146
Palantir的產(chǎn)品體系及應(yīng)用案例 147
Palantir架構(gòu)設(shè)計(jì)：敏捷大數(shù)據(jù)的優(yōu)美實(shí)現(xiàn) 151
Palantir數(shù)據(jù)融合：本體論與數(shù)據(jù)索引映射 152
Palantir智能計(jì)算：多維關(guān)聯(lián)挖掘與全鏈分析 155
Palantir人機(jī)交互：動(dòng)態(tài)可視化與人機(jī)共生 156
總結(jié)與啟示 158
2 Google的深度智能樣板工程 159
“狗”的誕生 160
AlphaGo的“類腦學(xué)習(xí)”框架 160
AlphaGo“零”的進(jìn)化 162
總結(jié)與啟示 164
3 IBM的認(rèn)知智能 164
Watson的源起 165
認(rèn)知智能與自然語(yǔ)言理解 166
Watson的認(rèn)知智能平臺(tái)架構(gòu) 168
Watson DeepQA關(guān)鍵技術(shù) 169
Watson認(rèn)知智能的強(qiáng)與弱 171
總結(jié)與啟示 172
4 TensorFlow的Android式進(jìn)化 173
TensorFlow的開源 173
為什么要講Android 174
Google云端大數(shù)據(jù)智能戰(zhàn)略 175
總結(jié)與啟示 177
第6章 大數(shù)據(jù)智能個(gè)人學(xué)習(xí)篇：入門與實(shí)踐 178
1 智能時(shí)代的學(xué)習(xí)革命 178
機(jī)器智能的助力 178
牛津大學(xué)的職業(yè)淘汰率研究 179
2 大數(shù)據(jù)智能技術(shù)“盲人摸象” 181
3 大數(shù)據(jù)智能“3+3”學(xué)習(xí)路線 183
學(xué)習(xí)的三個(gè)階段：把握技術(shù)發(fā)展的時(shí)間線 183
學(xué)習(xí)的三種方式：應(yīng)用導(dǎo)向是關(guān)鍵 186
4 如何避免大數(shù)據(jù)智能學(xué)習(xí)的誤區(qū) 189
要業(yè)務(wù)驅(qū)動(dòng)，不要技術(shù)驅(qū)動(dòng) 189
要以點(diǎn)帶面，不要貪大求全 190
要善用開源技術(shù)，不要重“造輪子” 191
要勇于實(shí)踐，不要紙上談兵 192
5 Kaggle，眾包與大數(shù)據(jù)教育 193
6 三種核心職業(yè)角色 194
數(shù)據(jù)分析師：重在業(yè)務(wù)理解和探索 196
數(shù)據(jù)工程師：重在數(shù)據(jù)管理和系統(tǒng)實(shí)現(xiàn) 196
數(shù)據(jù)科學(xué)家：重在解決問題和統(tǒng)籌決策 197
7 理性看待所謂的“風(fēng)口” 198
第7章 大數(shù)據(jù)智能企業(yè)應(yīng)用篇：戰(zhàn)略與規(guī)劃 201
1 智能時(shí)代的商業(yè)革命 201
2 大數(shù)據(jù)智能應(yīng)用全周期模型 203
3 如何避免大數(shù)據(jù)智能應(yīng)用的陷阱 207
第一問：我屬于什么級(jí)別的“玩家” 207
第二問：大數(shù)據(jù)于我是偽需求還是真需求 207
第三問：如何自行定位大數(shù)據(jù)應(yīng)用價(jià)值 208
第四問：技術(shù)驅(qū)動(dòng)、數(shù)據(jù)驅(qū)動(dòng)還是業(yè)務(wù)場(chǎng)景驅(qū)動(dòng) 209
第五問：我是否準(zhǔn)備好打一場(chǎng)大數(shù)據(jù)應(yīng)用持久戰(zhàn) 210
第六問：我是否清楚大數(shù)據(jù)偏見、技術(shù)局限與管理風(fēng)險(xiǎn) 213
4 大數(shù)據(jù)應(yīng)用戰(zhàn)略 214
第8章 大數(shù)據(jù)智能政府管理篇：治理與決策 217
1 智能時(shí)代的治理革命 217
2 政務(wù)大數(shù)據(jù)治理挑戰(zhàn) 218
第一問：如何處理集中與開放的矛盾 219
第二問：如何推進(jìn)政務(wù)大數(shù)據(jù)治理和決策優(yōu)化 219
第三問：如何降低政務(wù)數(shù)據(jù)治理帶來的負(fù)面影響 220
3 政務(wù)大數(shù)據(jù)治理與應(yīng)用框架 220
管理和治理是基礎(chǔ) 221
技術(shù)和算法是手段 222
決策和服務(wù)是目的 223
4 政務(wù)大數(shù)據(jù)決策安全 224
國(guó)防決策安全 224
公共決策安全 224
經(jīng)濟(jì)決策安全 225
科技決策安全 226
5 應(yīng)用標(biāo)準(zhǔn)與落地應(yīng)用的悖論 226
數(shù)據(jù)安全標(biāo)準(zhǔn) 227
數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn) 227
數(shù)據(jù)交互標(biāo)準(zhǔn) 227
數(shù)據(jù)開放標(biāo)準(zhǔn) 228
6 政務(wù)治理的現(xiàn)代化 228
第9章 結(jié)語(yǔ) 230
1 認(rèn)知泡沫與應(yīng)用價(jià)值 230
2 機(jī)器智能與人類智能 231
3 人技融合，學(xué)以“治”用 234
4 智能時(shí)代，我們將走向何方 235
致謝 236