【缺書】NT售價: 545 元
本書詳細闡述了與大數據、物聯網、決策科學開發相關的基本解決方案,主要包括物聯網和決策科學、物聯網體系結構和用例設計、決策科學在物聯網中的應用、機器學習、預測性分析等內容。此外,本書還提供了相應的示例、代碼,以幫助讀者進一步理解相關方案的實現過程。本書適合作為高等院校計算機及相關專業的教材和教學參考書,也可作為相關開發人員的自學教材和參考手冊。
第1章物聯網和決策科學11.1了解物聯網21.2揭秘M2M、物聯網、工業物聯網和萬物互聯31.3深入挖掘物聯網的邏輯堆棧51.3.1人61.3.2流程71.3.3物81.3.4數據91.4問題的生命周期91.5問題的全貌121.6解決問題的技術171.6.1跨學科方法181.6.2問題的體系181.7問題解決框架201.8小結23第2章物聯網問題體系研究和用例設計252.1資產互聯和運營互聯252.1.1物與智能之物的互聯262.1.2一個現實生活的場景:資產互聯282.1.3運營互聯—下一場革命302.2解析商業用例322.2.1解析問題332.2.2研究和收集背景信息342.2.3根據數據可用性對假設優先排序和構建382.2.4驗證和改進假設(重復步驟(2)和(3))392.2.5吸收結果并呈現解決方案402.3感知相關的潛在問題412.4設計啟發法驅動的假設矩陣412.5小結42第3章探索性決策科學在物聯網中的應用內容和原因453.1識別有用數據做出決策453.1.1查驗假設的數據來源463.1.2解決問題時的數據探查工作473.1.3特征探索573.1.4了解數據全貌583.2通過數據(單變量)探索物聯網生態系統各個維度613.2.1數據顯示了什么613.2.2探索先前產品……663.2.3本節小結723.3研究數據關系723.3.1相關性是什么733.3.2探索階段1的數據維度783.4探索性數據分析843.4.1那么,應該如何驗證發現853.4.2假設檢驗是如何起作用的853.4.3驗證假設—類別1873.4.4卡方檢驗的原理是什么873.4.5驗證假設—類別2913.4.6驗證假設—類別3963.4.7假設—類別41003.4.8探索性數據分析階段小結1023.5根本原因分析1023.5.1綜合結果1033.5.2可視化洞見1053.5.3將故事拼接形成完整的解決方案1063.5.4結論1073.6小結108第4章預測性分析在物聯網中的應用1094.1重新探查問題—接下來是什么1094.2線性回歸—預測連續結果1114.2.1預測性分析拉開序幕1114.2.2解決預測問題1114.2.3解釋回歸結果1154.2.4殘差、多元R平方、殘差標準誤差和修正后的R平方1184.2.5改進預測模型1194.3決策樹1274.3.1了解決策樹1284.3.2用決策樹進行預測建模1334.4Logistic回歸—預測一個分類結果1424.4.1什么是Logistic回歸1434.4.2Logistic回歸是如何工作的1444.4.3扼要概述模型的解釋1544.4.4改進分類模型1544.5小結167第5章利用機器學習增強物聯網預測性分析1695.1機器學習簡介1695.1.1什么是集成建模1705.1.2為什么要選擇集成模型1705.1.3一個集成模型究竟是如何工作的1715.2集成建模—隨機森林1745.2.1什么是隨機森林1745.2.2如何在R語言中構建隨機森林1765.3集成建模—XGBoost1865.4神經網絡與深度學習1935.5匯總結果2085.5.1快速回顧2085.5.2從預測建模練習取得的結果2095.5.3需要注意的幾點2095.6小結209第6章決策科學結合物聯網的分析速成2116.1搭建問題的背景信息2116.1.1真正的問題2126.1.2接下來做什么2126.2解析問題并設計方法2136.2.1構建一個SCQ(即情景-沖突-疑問)方案2136.2.2研究2136.2.3太陽能領域的背景信息2156.2.4設計方法2166.2.5研究數據全貌2176.3探索性數據分析與特征工程2186.3.1能量消耗和能量產生相比結果如何2246.3.2電池2286.3.3負載2306.3.4逆變器2326.3.5從數據探索練習中學習2336.3.6簡單概括所有的發現和學習收獲2336.3.7解決問題2346.3.8特征工程2356.4構建用例的預測模型2426.5匯總解決方案2496.6小結249第7章規范性科學與決策2517.1應用一種分層方法和各種測試控制方法戰勝業務問題2517.1.1規范性分析的定義2517.1.2解決一個規范性分析用例2537.1.3用規范性的方式去解決用例2617.2連接問題體系中的各個點2647.3撰寫故事—了解問題體系中相互關聯的問題2677.3.1第一步—即時措施2687.3.2第二步—未來措施2687.4實施解決方案2707.5小結270第8章物聯網顛覆性創新2738.1邊緣計算/霧計算(Edgecomputing/Fogcomputing)2738.2認知計算—非結構化數據的顛覆性智能2788.2.1認知計算是如何工作的2798.2.2認知計算應用在哪些場景中2818.2.3故事場景2818.2.4最重要的問題是,所有這些是如何發生的2828.3下一代機器人和基因組學2838.3.1機器人—與物聯網、機器學習、邊緣計算和認知計算共享光明未來2838.3.2基因組學2858.3.3基因組學與物聯網的關系2868.4自動駕駛汽車2878.4.1愿景和靈感2878.4.2自動駕駛汽車的工作原理2878.4.3是否遺漏了什么2898.4.4車輛對環境2898.4.5車輛對車輛2898.4.6車輛對基礎設施2908.4.7自動駕駛汽車的未來2908.5物聯網的隱私和安全2918.5.1漏洞2918.5.2完整性2918.5.3隱私2928.5.4軟件基礎設施2928.5.5硬件基礎設施2928.5.6協議基礎結構2938.6小結293第9章物聯網的光明前景2959.1物聯網商業模式—資產或設備即服務2959.1.1動機2969.1.2資產即服務模式的現實生活用例2979.1.3這個商業模式如何幫助企業2989.1.4利用決策科學增強資產即服務模式3009.2智能手表—醫療保健物聯網的助推器3009.2.1決策科學在醫療保健數據中的應用3029.2.2結語3039.3智能醫療保健—人類互聯到智能人類3039.4從汽車互聯向智能汽車演變3059.4.1智能加油助手3069.4.2預測性保養3069.4.3自主運輸3069.4.4結束語3079.5小結307