正版 商业分析:基于数据科学及人工智能技术的决策支持系统:syste

前言<br/>致谢<br/>作者简介<br/>第一部分  分析和人工智能简介<br/>第1章  用于决策支持的商务智能、分析、数据科学和人工智能系统概述2<br/>1.1  开篇小插曲：通力电梯和自动扶梯公司的智能系统是如何工作的3<br/>1.2  不断变化的商业环境、决策支持与分析需求5<br/>1.3  决策过程和计算机化决策支持框架8<br/>1.4  计算机决策支持向商务智能/分析/数据科学的发展20<br/>1.5  分析概述29<br/>1.6  相关领域中的分析示例37<br/>1.7  人工智能简介50<br/>1.8  分析与人工智能的融合58<br/>1.9  分析生态系统综述63<br/>1.10  本书规划64<br/>1.11  相关资源65<br/>本章要点66<br/>讨论67<br/>参考文献67<br/>第2章  人工智能：概念、驱动力、主要技术和商业应用70<br/>2.1  开篇小插曲：INRIX解决了交通问题71<br/>2.2  人工智能概论73<br/>2.3  人类智能与计算机智能79<br/>2.4  主要人工智能技术和衍生产品82<br/>2.5  人工智能对决策的支持91<br/>2.6  人工智能在会计中的应用95<br/>2.7  人工智能在金融服务中的应用97<br/>2.8  人工智能在人力资源管理中的应用101<br/>2.9  人工智能在营销、广告和客户关系管理中的应用103<br/>2.10  人工智能在生产运营管理中的应用107<br/>本章要点109<br/>讨论110<br/>参考文献111<br/>第3章  数据性质、统计建模和可视化113<br/>3.1  开篇小插曲：SiriusXM通过数据驱动型营销吸引新一代的广播消费者114<br/>3.2  数据的性质117<br/>3.3  简单的数据分类法120<br/>3.4  数据预处理的艺术和科学124<br/>3.5  用于业务分析的统计建模133<br/>3.6  用于推论统计的回归建模143<br/>3.7  业务报告154<br/>3.8  数据可视化157<br/>3.9  不同类型的图表和图形162<br/>3.10  视觉分析的出现165<br/>3.11  信息仪表板172<br/>本章要点177<br/>讨论177<br/>参考文献178<br/>第二部分  预测性分析/机器学习<br/>第4章  数据挖掘过程、方法和算法182<br/>4.1  开篇小插曲：美国迈阿密戴德警察局使用预测性分析来预测和打击犯罪182<br/>4.2  数据挖掘概念186<br/>4.3  数据挖掘应用196<br/>4.4  数据挖掘过程199<br/>4.5  数据挖掘方法206<br/>4.6  数据挖掘软件工具221<br/>4.7  数据挖掘隐私问题、误解和失误227<br/>本章要点231<br/>讨论232<br/>参考文献233<br/>第5章  用于预测性分析的机器学习技术234<br/>5.1  开篇小插曲：预测建模有助于更好地理解和管理复杂的医疗程序234<br/>5.2  神经网络的基本概念237<br/>5.3  神经网络架构241<br/>5.4  支持向量机245<br/>5.5  基于过程的支持向量机使用方法254<br/>5.6  用于预测的最邻近法256<br/>5.7  朴素贝叶斯分类法260<br/>5.8  贝叶斯网络268<br/>5.9  集成建模274<br/>本章要点286<br/>讨论287<br/>参考文献288<br/>第6章  深度学习和认知计算290<br/>6.1  开篇小插曲：利用深度学习和人工智能打击欺诈291<br/>6.2  深度学习介绍294<br/>6.3  “浅”神经网络基础299<br/>6.4  基于神经网络系统的开发流程308<br/>6.5  阐明ANN黑箱原理314<br/>6.6  深度神经网络317<br/>6.7  卷积神经网络323<br/>6.8  循环网络和长短期记忆网络334<br/>6.9  实现深度学习的计算机框架341<br/>6.10  认知计算344<br/>本章要点354<br/>讨论356<br/>参考文献357<br/>第7章  文本挖掘、情感分析和社交分析360<br/>7.1  开篇小插曲：Amadori集团将消费者情感转化为近实时销售361<br/>7.2  文本分析和文本挖掘概述363<br/>7.3  自然语言处理369<br/>7.4  文本挖掘应用375<br/>7.5  文本挖掘过程382<br/>7.6  情感分析390<br/>7.7  Web挖掘概述401<br/>7.8  搜索引擎406<br/>7.9  Web使用情况挖掘（Web分析）413<br/>7.10  社交分析419<br/>本章要点428<br/>讨论429<br/>参考文献430<br/>第三部分  规范性分析和大数据<br/>第8章  规范性分析：优化与仿真434<br/>8.1  开篇小插曲：费城学区使用规范性分析来寻找外包巴士路线的很好解决方案435<br/>8.2  基于模型的决策436<br/>8.3  决策支持的数学模型的结构442<br/>8.4  确定性、不确定性和风险444<br/>8.5  电子表格决策模型446<br/>8.6  数学规划优化450<br/>8.7  多重目标、灵敏度分析、假设分析和单变量求解460<br/>8.8  基于决策表和决策树的决策分析464<br/>8.9  仿真简介466<br/>8.10  视觉交互仿真473<br/>本章要点478<br/>讨论479<br/>参考文献479<br/>第9章  大数据、云计算和位置分析：概念和工具481<br/>9.1  开篇小插曲：在电信公司中使用大数据方法分析客户流失情况482<br/>9.2  大数据定义485<br/>9.3  大数据分析基础490<br/>9.4  大数据技术494<br/>9.5  大数据与数据仓库503<br/>9.6  内存分析和Apache Spark508<br/>9.7  大数据和流分析514<br/>9.8  大数据提供商和平台519<br/>9.9  云计算和业务分析526<br/>9.10  基于位置的组织分析537<br/>本章要点544<br/>讨论544<br/>参考文献545<br/>第四部分  机器人、社交网络、人工智能与物联网<br/>第10章  机器人：工业和消费者领域的应用548<br/>10.1  开篇小插曲：机器人为患者和儿童提供情感支持548<br/>10.2  机器人技术概述551<br/>10.3  机器人技术的历史552<br/>10.4  机器人技术的应用实例554<br/>10.5  机器人的组件563<br/>10.6  各种各样的机器人565<br/>10.7  无人驾驶汽车：运动中的机器人566<br/>10.8  机器人对当前和未来工作的影响569<br/>10.9  机器人和人工智能的法律含义571<br/>本章要点574<br/>讨论575<br/>参考文献575<br/>第11章  群体决策、协作系统和AI支持578<br/>11.1  开篇小插曲：HMS与团队合作表现出色579<br/>11.2  分组决策：特点、过程、好处和机能障碍581<br/>11.3  使用计算机系统支持团队工作和团队协作584<br/>11.4  软件支持团队通信与协作586<br/>11.5  计算机直接支持集体决策590<br/>11.6  集体智慧和合作智慧595<br/>11.7  众包作为决策支持的一种方法599<br/>11.8  人工智能和群体人工智能支持团队协作和群体决策603<br/>11.9  人机协作和机器人团队607<br/>本章要点611<br/>讨论612<br/>参考文献612<br/>第12章  知识系统：专家系统、推荐人、聊天机器人、虚拟个人助理和机器人顾问614<br/>12.1  开篇小插曲：丝芙兰与聊天机器人的出色表现615<br/>12.2  专家系统和推荐人616<br/>12.3  聊天机器人的概念、驱动程序和好处626<br/>12.4  企业聊天机器人630<br/>12.5  虚拟个人助理638<br/>12.6  聊天机器人作为专业顾问（机器人顾问）643<br/>12.7  实施问题648<br/>本章要点650<br/>讨论651<br/>参考文献652<br/>第13章  物联网智能应用平台654<br/>13.1  开篇小插曲：CNH Industrial利用物联网异军突起654<br/>13.2  物联网要素656<br/>13.3  物联网的主要优势和驱动因素660<br/>13.4  物联网的工作原理662<br/>13.5  传感器及其在物联网中的作用663<br/>13.6  物联网应用示例668<br/>13.7  智能家居和家电670<br/>13.8  智慧城市和工厂674<br/>13.9  自动驾驶汽车682<br/>13.10  实施物联网和管理的考虑因素685<br/>本章要点688<br/>讨论689<br/>参考文献689<br/>第五部分  关于分析和人工<br/>智能的说明<br/>第14章  实施人工智能的问题：从伦理和隐私到组织和社会影响694<br/>14.1  开篇小插曲：为什么优步向Waymo支付2.45亿美元694<br/>14.2  实施智能系统概述696<br/>14.3  法律、隐私和伦理问题698<br/>14.4  成功部署智能系统705<br/>14.5  智能系统对组织的影响708<br/>14.6  智能系统对职业和工作的影响714<br/>14.7  机器人、人工智能和分析建模的潜在危险721<br/>14.8  相关技术趋势724<br/>14.9  智能系统的未来728<br/>本章要点733<br/>讨论733<br/>参考文献734<br/>术语表737

杜尔森·德伦（Dursun Delen），俄克拉何马州立大学博士，是Spears和Patterson商务分析主席，健康系统创新中心的研究主任，俄克拉何马州立大学管理科学和信息系统教授。在他开始学术生涯之前，他为一家私营研究和顾问公司——Knowledge Based Systems工作，该公司位于得克萨斯州。他作为一位数据科学家工作了5年，在此期间，他主持了许多决策支持和其他信息系统相关的研究项目，由联邦机构资助，如DOD、NASA、NIST和DOE。德伦博士的研究发表在许多核心期刊上，包括Decision Support Systems、Communications of the ACM、Computers and Operations Research、Computers in Industry、Journal of Production Operations Management、Artifi Intelligence in Medicine和Expert Systems with Applications等。他出版了4本教材：Advanced Data Mining Techniques（Springer，2008）、Decision Support and Business Intelligence Systems（Prentice Hall，2010）、Business Intelligence：A Managerial Approach（Prentice Hall，2010）、Practical Text Mining（Elsevier，2012）。他经常被邀请参加国内和靠前会议来报告数据/文本挖掘、商务智能、决策支持系统和知识管理的相关主题内容。他在第四届关于网络计算和增强信息系统管理靠前会议（2008年9月2～4日在韩国首尔）上是共同主席，在各种信息系统会议作为主席服务。他是International Journal of Experimental Algorithms、International Journalof RF Technologies和Journal of Decision Analytics的副主编。同时也是5家其他技术期刊的编委。他的研究和教学领域包括数据与文本挖掘、决策支持系统、知识管理、商务智能及企业建模。

本书主要介绍用于支持企业决策的分析、数据科学和人工智能技术。除了传统的决策支持应用外，本书还介绍了人工智能、机器学习、机器人技术、聊天机器人、物联网和互联网技术。 全书分为五部分，第一部分（～3章）概述分析与人工智能，第二部分（第4～7章）介绍预测性分析和机器学习，第三部分（第8和9章）深入研究规范性分析和大数据，第四部分（第10～13章）介绍机器人、社交网络、人工智能和物联网，第五部分（第14章）讨论分析与人工智能对安全、隐私和社会等方面的影响。 本书的读者对象包括数据分析、商务智能相关专业的学生和研究人员，以及商业分析、决策支持系统相关从业人员。