作品简介

增强型分析是数据科学的未来,本书讲解了如何通过前沿的大数据技术和AI技术实现智能的数据分析和业务决策,即增强型分析。本书的三位作者是来自德勤、前华为和前IBM的资深数据科学家,在大数据和AI领域至少都有10年以上的工作经验,他们将各自多年来在“构建数据挖掘模型,解决实际业务问题”方面积累的经验全部总结在了这本书中。全书的内容由两条主线贯穿:技术主线:一方面讲解了预测模型、序列分析、预测分析、Prescriptive分析等前沿数据处理技术,一方面讲解了CNN、RNN和GNN等前沿的AI技术如何为数据分析赋能。业务主线:在数字化转型的大时代背景下,如何通过数据分析实现智慧营销、智慧风险管控,实现由初级的“主动营销”到“被动营销”,再到“全渠道协同营销”等营销手段的升级应用。本书的重点聚焦在本质内容上,即数据处理、算法及模型、“模型洞见到业务决策”的分析等。

彭鸿涛,张宗耀,聂磊著。

作品目录

  • 推荐序一
  • 推荐序二
  • 前言
  • 第1章 数据科学家的成长之路
  • 1.1 算法与数据科学家
  • 1.2 数据科学家不断成长的几个阶段
  • 1.3 数据科学家的工作模式与组织结构
  • 1.4 数据科学家的工作方法要点
  • 第2章 大数据探索及预处理
  • 2.1 大数据探索
  • 2.2 数据预处理
  • 2.3 衍生指标的加工
  • 第3章 预测模型的新技术
  • 3.1 集成学习
  • 3.2 Gradient Tree Boosting介绍
  • 3.3 Gradient Tree Boosting的改进方向
  • 3.4 模型的最佳参数设置
  • 3.5 投票决定最终预测结果
  • 3.6 让模型在训练结束后还能被更新
  • 3.7 多输出预测
  • 3.8 案例:如何给客户从数百个产品中寻找合适的产品
  • 第4章 序列分析
  • 4.1 通过客户行为研究做出服务策略
  • 4.2 频繁项集、关联规则的挖掘
  • 4.3 序列模式的挖掘以及应用
  • 4.4 序列规则的挖掘以及应用
  • 4.5 序列预测的挖掘以及应用
  • 第5章 应用数据分析做出最优决策
  • 5.1 Prescriptive分析概述
  • 5.2 确定因素和非确定因素下的决策分析
  • 5.3 What-If分析和Goal Seeking分析
  • 5.4 优化技术介绍
  • 5.5 仿真分析
  • 5.6 马尔可夫链及马尔可夫决策过程
  • 第6章 深入探讨CNN
  • 6.1 换个角度讨论CNN
  • 6.2 用CNN做人脸识别
  • 6.3 Embedding
  • 6.4 一个例子:文本分类
  • 第7章 深入探讨RNN
  • 7.1 两种建模方法:Prediction和Sequence Labeling
  • 7.2 RNN及其变种的详细原理
  • 7.3 利用LSTM预测股票价格
  • 7.4 让计算机学会写唐诗
  • 7.5 预测客户的下一个行为
  • 7.6 计算机,请告诉我你看到了什么
  • 第8章 深入探讨GAN
  • 8.1 基本原理
  • 8.2 让计算机书写数字
  • 8.3 让计算机画一张人脸
展开全部