Dodano produkt do koszyka

Promocja

ANALITYKA BIZNESOWA WSPOMAGANA SZTUCZNĄ INTELIGENCJĄ. ULEPSZANIE PROGNOZ I PROCESÓW PODEJMOWANIA DECYZJI ZA POMOCĄ UCZENIA MASZYNOWEGO

ANALITYKA BIZNESOWA WSPOMAGANA SZTUCZNĄ INTELIGENCJĄ. ULEPSZANIE PROGNOZ I PROCESÓW PODEJMOWANIA DECYZJI ZA POMOCĄ UCZENIA MASZYNOWEGO

TOBIAS ZWINGMANN

Wydawnictwo: APN PROMISE

Cena: 89.90 zł 80.91 brutto

Koszty dostawy:
  • Paczkomaty InPost 14.99 zł brutto
  • Poczta Polska - odbiór w punkcie 9.99 zł brutto
  • Poczta Polska - przedpłata 15.99 zł brutto
  • Poczta Polska - pobranie 19.99 zł brutto
  • Kurier DHL - przedpłata 18.99 zł brutto
  • Kurier DHL - pobranie 21.99 zł brutto
  • Odbiór osobisty - UWAGA - uprzejmie prosimy poczekać na informację z księgarni o możliwości odbioru zamówienia - 0.00 zł brutto

Opis

Opis produktu
ISBN: 978-83-7541-510-0
 
355 stron
format: B5
oprawa: miękka
Rok wydania: 2023
 

Wykorzystaj analizy biznesowe i sztuczną inteligencję, aby napędzać rozwój przedsiębiorstwa, podnosić wydajność i ulepszać podejmowanie decyzji biznesowych. Dzięki tej praktycznej książce z rzeczywistymi przykładami wykorzystującymi Power BI można poznać najbardziej odpowiednie przypadki użycia AI w rozwiązaniach BI, w tym ulepszone prognozowanie, zautomatyzowaną klasyfikację i zalecenia wspomagane przez AI. Ponadto nauczysz się, jak wydobywać spostrzeżenia z niestrukturalnych źródeł danych, takich jak dokumenty tekstowe lub pliki obrazów.
Tobias Zwingmann pomaga profesjonalistom BI, analitykom biznesowym i specjalistom od danych rozpoznać obszary, w których sztuczna inteligencja ma szczególnie istotny wpływ. Dowiedz się, jak wykorzystać popularne platformy AI jako usługi oraz AutoML, aby tworzyć dowody koncepcji klasy korporacyjnej bez pomocy inżynierów oprogramowania lub danetyków.

SPIS TREŚCI

Wprowadzenie

Podziękowania

1. Uzyskiwanie wartości biznesowych za pomocą AI
Jak AI zmienia krajobraz BI
Typowe przypadki użycia AI dla rozwiązań BI
Automatyzacja i łatwość użycia
Lepsze prognozowanie i przewidywania
Posługiwanie się danymi niestrukturyzowanymi
Uzyskanie intuicyjnego zrozumienia AI i uczenia maszynowego
Mapowanie przypadków użycia AI na efekty biznesowe
Podsumowanie

2. Od BI do DI: ocena wykonalności projektów AI
Zacznijmy od danych
Ocenianie gotowości danych za pomocą metodologii 4V
Łączenie tych czterech cech w celu oceny gotowości danych
Wybór pomiędzy utworzeniem a zakupem usług AI
AI jako usługa
Platforma jako usługa
Infrastruktura jako usługa
Pełna własność
Podstawowe architektury systemów AI
Warstwa użytkownika
Warstwa danych
Warstwa analizy
Uwarunkowania etyczne
Tworzenie priorytetyzowanej mapy drogowej przypadku użycia
Mieszanie czempionów i szybkich zwycięstw
Identyfikowanie wspólnych źródeł danych
Budowanie porywającej wizji
Podsumowanie

3. Podstawy uczenia maszynowego
Proces nadzorowanego uczenia maszynowego
Krok 1: Zbieranie danych historycznych
Krok 2: Identyfikowanie cech i etykiet
Krok 3: Podział danych na zbiory treningowe i testowe
Krok 4: Użycie algorytmów do znalezienia najlepszego modelu
Krok 5: Ewaluacja finalnego modelu
Krok 6: Wdrożenie
Krok 7: Konserwacja
Popularne algorytmy uczenia maszynowego
Regresja liniowa
Drzewa decyzyjne
Metody uczenia zespołowego
Głębokie uczenie
Przetwarzanie języka naturalnego
Widzenie komputerowe
Uczenie przez wzmacnianie
Ewaluacja modelu uczenia maszynowego
Ocenianie modeli regresji
Ocenianie modeli klasyfikacyjnych
Ocenianie modeli klasyfikacji wielokrotnej
Typowe pułapki uczenia maszynowego
Pułapka 1: Używanie uczenia maszynowego, gdy go nie potrzebujemy
Pułapka 2: Nadmierna zachłanność
Pułapka 3: Budowanie nadmiernie złożonych modeli
Pułapka 4: Nie przerywanie, gdy mamy już dość danych
Pułapka 5: Wpadanie w klątwę wymiarowości
Pułapka 6: Ignorowanie wartości odstających
Pułapka 7: Przyjmowanie infrastruktury chmurowej jako pewnika
Podsumowanie

4. Prototypowanie
Czym jest prototyp i dlaczego jest ważny?
Prototypowanie w analityce biznesowej
Przybornik prototypowania używany w tej książce
Praca z Microsoft Azure
Rejestrowanie się w Microsoft Azure
Tworzenie obszaru roboczego Azure Machine Learning Studio
Tworzenie zasobu obliczeniowego Azure
Tworzenie zasobu magazynowego
Praca z Microsoft Power BI
Podsumowanie

5. Analityka opisowa wspomagana przez AI
Przypadek użycia: odpytywanie danych w języku naturalnym
Sformułowanie problemu
Przegląd rozwiązania
Realizacja w Power BI
Przypadek użycia: Podsumowywanie danych w języku naturalnym
Sformułowanie problemu
Przegląd rozwiązania
Realizacja w Power BI
Podsumowanie

6. Analityka diagnostyczna wspomagana przez AI
Przypadek użycia: automatyzowanie spostrzeżeń
Sformułowanie problemu
Przegląd rozwiązania
Realizacja w Power BI
Podsumowanie

7. Analityka predykcyjna wspomagana przez AI
Wymagania wstępne
Zbiór danych
Przypadek użycia: Automatyzowanie zadań klasyfikacyjnych
Sformułowanie problemu
Przegląd rozwiązania
Trenowanie modelu w Microsoft Azure
Czym jest zadanie AutoML?
Ocena wyników AutoML
Wdrażanie modelu w Microsoft Azure
Uzyskiwanie przewidywań modelu za pomocą Pythona lub R
Wnioskowanie z modelu w Power BI
Budowanie pulpitu wspomaganego przez AI w Power BI
Przypadek użycia: Usprawnianie przewidywania KPI
Sformułowanie problemu
Przegląd rozwiązania
Trenowanie modelu w Microsoft Azure
Wdrażanie modelu w Microsoft Azure
Uzyskiwanie przewidywań modelu za pomocą Pythona lub R
Wnioskowanie z modelu w Power BI
Budowanie pulpitu wspomaganego przez AI w Power BI
Przypadek użycia: Automatyzowanie wykrywania anomalii
Sformułowanie problemu
Przegląd rozwiązania
Włączanie usługi AI w Microsoft Azure
Uzyskiwanie przewidywań modelu za pomocą Pythona lub R
Wnioskowanie z modelu w Power BI
Budowanie pulpitu wspomaganego przez AI w Power BI
Podsumowanie

8. Analizy zaleceń wspomagane przez AI
Przypadek użycia: Rekomendowanie najlepszego kolejnego działania
Sformułowanie problemu
Przegląd rozwiązania
Konfigurowanie usługi AI
Jak działa uczenie ze wzmacnianiem w usłudze Personalizer
Konfigurowanie Azure Notebooks
Symulowanie interakcji z użytkownikami
Wykonywanie symulacji za pomocą Pythona
Ewaluacja wydajności modelu w portalu Azure
Wnioskowanie z modelu w Power BI
Budowanie pulpitu wspomaganego przez AI w Power BI
Podsumowanie

9. Wykorzystywanie nieustrukturyzowanych danych za pomocą AI
Przypadek użycia: Wyciąganie wniosków na podstawie danych tekstowych
Sformułowanie problemu
Przegląd rozwiązania
Konfigurowanie usługi AI
Konfigurowanie potoku danych
Wnioskowanie z modelu przy użyciu Power BI
Budowanie wspomaganego przez AI pulpitu nawigacyjnego w Power BI
Przypadek użycia: Przetwarzanie dokumentów za pomocą AI
Sformułowanie problemu
Przegląd rozwiązania
Konfigurowanie usługi AI
Konfigurowanie potoku danych
Wnioskowanie z modelu przy użyciu Power BI
Budowanie wspomaganego przez AI pulpitu nawigacyjnego w Power BI
Przypadek użycia: Zliczanie obiektów na zdjęciach
Sformułowanie problemu
Przegląd rozwiązania
Konfigurowanie usługi AI
Konfigurowanie potoku danych
Wnioskowanie z modelu przy użyciu Power BI
Budowanie wspomaganego przez AI pulpitu nawigacyjnego w Power BI
Podsumowanie

10. Zebranie wszystkiego razem: Budowanie pulpitu wspomaganego przez AI
Sformułowanie problemu
Przegląd rozwiązania
Przygotowywanie zbiorów danych
Alokowanie zasobu obliczeniowego
Budowanie przepływu pracy uczenia maszynowego
Dodawanie danych nastrojów do przepływu pracy
Wdrażanie przepływu pracy na potrzeby wnioskowania
Budowanie wspomaganego przez AI pulpitu w Power BI
Wykrywanie anomalii
Analiza predykcyjna
Analiza opisowa wspomagana przez AI
Dane niestrukturyzowane
Podsumowanie

11. Kolejne kroki: od prototypu do produkcji
Odkrywanie kontra dostarczanie
Kryteria sukcesu dla dostarczania produktu AI
Ludzie
Procesy
Dane
Technologia
MLOps
Zaczynamy od dostarczania kompletnych inkrementacji
Podsumowanie

Indeks

O autorze

Kod wydawnictwa: 978-83-7541-510-0

Opinie, recenzje, testy:

Ten produkt nie ma jeszcze opinii

Twoja opinia

aby wystawić opinię.

Ocena:
  • Wszystkie pola są wymagane
Zapytaj o produkt

Produkty powiązane

Kontakt

Księgarnia Ekonomiczna Kazimierz Leki Sp. z o.o.

ul. Grójecka 67

02-094 Warszawa

NIP: 7010414095

Tel. 22 822 90 41

www.24naukowa.com.pl

naukowa@ksiegarnia-ekonomiczna.com.pl