SAP企業機器學習——賦能業務創新 ( 簡體 字) |
| 作者：鄔學寧、陳澤平、曹曉華、王洪剛 | 類別：1. -> 程式設計 -> 機器學習
2. -> 工具書、軟體 -> SAP |
| 譯者： |
| 出版社：清華大學出版社 |  3dWoo書號： 49503
詢問書籍請說出此書號！【缺書】
NT售價： 445 元 |
| 出版日：7/1/2018 |
| 頁數：324 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787302501626 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：自文藝復興以降，啟蒙運動推動歷史的車輪向科學的方向滾動。工業革命以來的兩百余年，科技發展的速度不斷提升，成就了昌盛的現代工業文明。隨著互聯網、物聯網和云計算的發展演進，社交網絡與數百億個傳感器每秒都在產生持續的數據洪流，全球正在進入空前絕后的數字化轉型階段，物聯網演進到“數字孿生”的新階段，現實世界中的物理實體在虛擬的數字世界中存在一個與之對應的數字化模型，基于比特的虛擬世界擺脫了基于原子的現實世界的種種限制，衍生出無窮的創新，給人類帶來堪比于工業革命的空前變革，被稱為“數字文藝復興”。
2017年，AlphaZero、人臉識別、機器翻譯、醫療影像診斷、無人超市和無人駕駛等不同領域的人工智能應用紛紛落地，人工智能驅動的“黑天鵝”事件頻發。未來十年，人工智能將成為新的“電力”，大部分行業都將被人工智能改變。李開復博士認為，一半的工作將被人工智能所取代，在這個無人能置身事外的時代巨變中，機器學習特別是深度學習成為推動本輪人工智能繁榮的最強動力。
SAP的愿景是使世界運轉得更卓越，讓人們生活得更美好。四十余年來，SAP系統產生了大量極富價值的交易數據，全球74%的GDP都會至少接觸一次SAP系統。2017年5月，SAP隆重推出了SAP Leonardo數字創新系統，內置的機器學習平臺為新一代商業應用提供了智能引擎，幫助企業從數字化轉型所產生的海量數據中實現與創造價值。企業不僅需要將大數據轉化為商業洞見，更需要重新思考數據時代對于未來業務和工作關系的影響，以及如何進行業務模式與流程的破壞式創新，保護和創造競爭優勢。機器學習已成為企業開拓新市場、打造卓越用戶體驗、重構業務模式與流程的利器。
企業進行業務創新，首先要定義業務場景。與傳統實施項目不同，機器學習的創新項目可借鑒的“最佳業務實踐”可以說是鳳毛麟角，全球各行業大多如此。因此，本書收集了近年來SAP涉及全球12個行業的50多個基于機器學習進行業務創新的案例，結合設計思維，為企業進行業務場景創新拋磚引玉， 助力企業數字化轉型。
機器學習涉及十幾種常用算法，各有其特點，常令用戶在算法選擇時困擾不已，更不用說算法背后的數學與統計學原理了。即使高級分析工具屏蔽了復雜的細節，算法的輸出結果也難以理解，讓大部分用戶望而生畏。有鑒于此，本書堅持兩個宗旨： 第一，以平實的語言通俗易懂地解釋算法的思想和工作原理，不出現復雜的數學公式； 第二，通過例子和練習將重要的算法落地。另外，本書強調對術語的名稱、歷史淵源與應用場合的厘清，很多時候理解了術語名稱和背景，也幫助厘清了概念，再結合理論與實踐，就能掌握得更牢固。
本書包括業務創新與機器學習算法這兩條時常交叉的主線，試圖幫助讀者推開企業機器學習的一扇扇門，把“已知的未知”變為“已知”，把 “未知的未知”變成“已知的未知”，為進一步深入機器學習算法鋪平道路，為利用機器學習進行業務創新提供案例、框架與工具。由于篇幅所限，更多的算法理論、數學公式的推導與實現代碼可以訪問https://github.com/g拟wave, 其中包括練習所需的數據以及我在復旦大學開設的碩士生課程“數據驅動的人工智能”的講義和部分不定期更新的Python 源代碼。
本書由鄔學寧擔任主編，陳澤平和曹曉華分別負責第5章與第2章部分內容的編寫，王洪剛負責3.2節和3.3節的編寫。本書在從最初構思到付梓經歷了近三年的時間，其間多次進行結構與內容的調整，筆者力圖以最精簡的文字將最有價值的內容呈現給讀者。在本書寫作過程中，筆者得到了許多SAP同事與朋友的大力支持，特向楊焜、袁虹、米凱、關錚、沈劍蕾、于德生、倪寅凌、Howard Dai、秦斌、高凌燕、洪蓓、徐妮、余佩玟、Dahlmeier Daniel、Noga Markus、Katrin Schneider、Farooq Azam、Judith Li、Eric Du、Marc Chan、張琪偉、崔成哲、黃英、濮立新、金江、連平、葛海洋、 張平偉、王勝男、劉詠、陳繼麟、范晶、臧青青、丁曉峰、米智偉、郭潤平、談盛濤、張浩明和楊林表示由衷的感謝。MIT的 Lex Fridman博士和谷歌大腦的Christopher Olah也給予了內容上的無私支持，一并表示感謝。
關于閱讀順序說明如下。每章內容自成體系，可以跳躍式閱讀。如果您只希望了解機器學習算法的工作原理，在看完第1章的1.1節后可直接閱讀第3章； 如果您只對業務創新的應用與案例感興趣，可將第4章和第5章作為閱讀重點； 如果您希望了解企業機器學習的背景與發展趨勢，可重點看第1章和第5章； 如果希望了解SAP Leonardo機器學習平臺與應用，請參考第2章。
由于作者水平與時間有限，雖然盡力對內容進行了精簡與優化，但不當之處在所難免，懇請廣大讀者批評指正。
鄔學寧
2018年4月于上海 |
內容簡介：全面介紹企業機器學習的背景，SAP的機器學習平臺SAPClea，和十余種機器學習算法的思想、原理與實現。通過12個行業50個企業創新案例，啟迪讀者基于大數據，利用機器學習進行業務創新，并使用SAP數據科學框架，工具和方法論建立模型，和進行持續迭代和優化，提供試用軟件，使讀者可以通過實踐，理論聯系實際，牢固的理解機器學習思想和將創新落地。 |
目錄：第1章人工智能與企業機器學習：愿景還是現實？
1.1人工智能的第3春是永恒？
1.1.1AlphaGo早已不下圍棋了！
1.1.2人工智能與機器學習
1.1.3機器學習的3種類型
1.2企業生存之道：數字化轉型
1.2.1數字達爾文主義
1.2.2體驗經濟
1.2.3數字化轉型
1.2.4雙模IT
1.3擴展的摩爾定律：驅動技術指數發展的法則
1.4數據為王
1.4.1德國國家隊之第十二人
1.4.2SAPHANA挽救病患
1.4.3一切皆數據：從決定論到概率論
1.4.4IT向DT轉型
參考文獻
第2章SAP企業機器學習
2.1SAPLeonardo機器學習概述
2.1.1財務自動化與現金應用
2.1.2SAP簡歷匹配
2.1.3SAP品牌影響
2.1.4SAP客戶留存
2.1.5SAP服務票
2.2業務問題轉化為機器學習問題的步驟
2.3機器學習與商業智能
2.3.1SAP預測分析
2.3.2HANA預測分析庫
2.3.3應用函數建模器
2.3.4SAP分析云服務
2.4基于機器學習的業務創新框架
2.5SAP創新組織與服務
參考文獻
第3章數據科學：第4范式
3.1數據科學概覽
3.2數據預處理
3.2.1數據清理
3.2.2數據集成
3.2.3數據歸約
3.2.4數據變換
3.3機器學習算法
3.3.1機器學習概述
3.3.2回歸分析
3.3.3分類
3.3.4SAP預測分析之自動分析
3.3.5聚簇
3.3.6關聯規則學習
3.3.7時間序列
3.3.8推薦系統
3.3.9離群點偵測
3.3.10ABC分類法
3.3.11社交網絡
3.3.12自然語言處理
3.4系統設計與自動分析
3.5深度學習
3.5.1聯結主義概述：從感知器到深度學習
3.5.2CNN的生理學基礎——大腦視覺過程
3.5.3自動編碼器與玻爾茲曼機
3.5.4稀疏編碼
3.5.5卷積神經網絡
3.5.6循環神經網絡和長短時記憶
3.5.7深度強化學習
3.5.8生成對抗網絡
3.6機器學習趨勢與影響
附錄3ASAP預測分析習題
參考文獻
第4章基于機器學習的行業創新案例與應用
4.1行業創新案例
4.1.1零售、電商與互聯網
4.1.2消費品
4.1.3金融服務
4.1.4制造業
4.1.5旅行與運輸業
4.1.6石油與天然氣
4.1.7公用事業
4.1.8電信
4.1.9醫療與健康
4.1.10體育與娛樂
4.1.11教育與科研
4.1.12政府
4.2數據驅動的創新應用
4.2.1SAPHybrisMarketing
4.2.2SAP客戶活動庫
4.2.3SAP銷售洞見(零售業)
4.2.4SAP需求信號管理
4.2.5SAP反欺詐管理
4.3工業4.0與AI
4.3.1工業革命的共性：信息對物質的控制
4.3.2工業4.0與物聯網
4.3.3回顧與展望
參考文獻
第5章機器學習：數字經濟創新的原動力
5.1網絡價值：梅特卡夫定律
5.2創新者窘境：維持性創新vs顛覆性創新
5.3企業機器學習創新的切入點
5.3.1超個性化的客戶體驗
5.3.2對員工的授權和互動
5.3.3實時計劃和資源優化
5.4業務與IT新核心：數據分析
5.5SAP.iO創業孵化
5.5.1內部創業孵化項目
5.5.2SAP.iO內部創業項目的選擇標準
5.6結語
參考文獻
余論
附錄A設計思維簡介
附錄B企業數字化轉型簡表
附錄C更多信息 |
| 序： |
