企业级数据与AI项目成功之道

定　价：¥89.00

作　者：	[美] 尼尔·菲什曼，[美] 科尔·斯特莱克著，张虹宇，陈小林译
出版社：	机械工业出版社
丛编项：
标　签：	暂缺

购买这本书可以去

ISBN：	9787111684763	出版时间：	2021-11-01	包装：	平装
开本：	16开	页数：	224	字数：

内容简介

　　只有在可以一致地提供预测性的业务见解并在整个组织范围内扩展时-数据分析和AI才能产生价值。这也是众多企业所面临的巨大挑战。本书概述了有效且实用的组织、管理和评估数据的方法-因此有助于建立信息体系结构以更好地推动AI和数据科学的发展。本书主要包括以下内容：简化数据管理-使数据随时随地可用；缩短实现AI用例的价值实现时间；使整个企业都可以访问AI和数据洞察力；动态、实时地扩展复杂的AI场景；开发可带来可预测的、可重复的价值的信息体系结构。本书可以使包括架构师、开发人员、产品所有者和业务主管在内的各种角色受益。

作者简介

　　尼尔·菲什曼（Neal Fishman）是IBM的杰出工程师-并且是IBM全球业务服务组织内基于数据的病理学的首席技术官。尼尔也是Open Group认证的杰出IT架构师。科尔·斯特莱克（Cole Stryker）是一名常驻洛杉矶的作家和记者。他是Epic Win for Anonymous和Hacking the Future的作者。

图书目录

题记
本书赞誉
序言
前言
致谢
关于作者
第1章　攀登人工智能阶梯1
11　人工智能的数据准备2
12　重点技术领域2
13　一步一个脚印地攀登阶梯3
14　不断适应以保持组织的相关性6
15　基于数据的推理在现代业务中至关重要8
16　朝着以人工智能为中心的组织迈进11
17　本章小结12
第2章　框架部分I：使用人工智能的注意事项14
21　数据驱动决策制定15
211　通过询问来获得洞见15
212　信任矩阵16
213　衡量标准和人类洞见的重要性18
22　使数据与数据科学民主化18
23　是的-先决条件：组织数据必须有先见之明20
24　促进变革之风：有组织的数据如何缩短反应时间23
25　质疑一切24
26　本章小结26
第3章　框架部分II：使用数据和人工智能的注意事项27
31　个性化每个用户的数据体验28
32　上下文的影响：选择正确的数据显示方式29
33　民族志研究：通过专业数据增进理解32
34　数据治理和数据质量33
341　分解数据的价值34
342　通过数据治理提供结构34
343　为训练进行数据策管35
344　创造价值的其他注意事项35
35　本体论：封装知识的手段36
36　人工智能成果的公平、信任和透明度38
37　可访问的、准确的、经过策管的和经过组织的数据41
38　本章小结42
第4章　分析回顾：不只是个锤子44
41　曾经的情况：回顾企业数据仓库44
42　传统数据仓库的缺点49
43　范式转变52
44　现代分析环境：数据湖53
441　两者对比55
442　本地数据56
443　差异属性56
45　数据湖的要素58
46　新常态：大数据即普通数据60
461　从单一数据模型的刚性中解放出来60
462　流数据61
463　适合任务的工具61
464　易访问性61
465　降低成本61
466　可扩展性62
467　人工智能的数据管理和数据治理62
47　Schema-On-Read与Schema-On-Write63
48　本章小结65
第5章　分析前瞻：不是所有事物都是钉子67
51　组织的需求67
511　暂存区域69
512　原始区域70
513　发现与探索区域71
514　对齐区域71
515　协调区域76
516　策管区域77
52　数据拓扑78
521　区域地图80
522　数据管道81
523　数据地形81
53　扩展、添加、移动和删除区域83
54　启用区域84
541　摄入84
542　数据治理86
543　数据存储和保留87
544　数据处理89
545　数据访问90
546　管理和监控91
547　元数据91
55　本章小结92
第6章　人工智能阶梯的运营准则93
61　时光流逝94
62　创建98
621　稳定性99
622　障碍99
623　复杂性99
63　执行100
631　摄入101
632　可见性102
633　合规性102
64　运行102
641　质量103
642　依赖104
643　可复用性104
65　xOps三重奏：DevOps MLOps、DataOps和AIOps105
651　DevOps MLOps105
652　DataOps107
653　AIOps109
66　本章小结111
第7章　最大化运用数据：以价值为导向112
71　迈向价值链113
711　通过关联链接116
712　启用操作117
713　扩大行动手段118
72　策管119
73　数据治理121
74　集成数据管理123
741　载入125
742　组织125
743　编目126
744　元数据127
745　准备128
746　预配129
747　多租户129
75　本章小结132
第8章　通过统计分析评估数据并启用有意义的访问133
81　派生价值：将数据当作资产进行管理133
82　数据可访问性：并非所有用户都是平等的139
83　向数据提供自助服务140
84　访问：添加控件的重要性141
85　为了数据治理-使用自底向上的方法对数据集进行排序142
86　各行业如何使用数据和人工智能143
87　受益于统计数字144
88　本章小结151
第9章　长期构建152
91　改变习惯的需要：避免硬编码152
911　过载153
912　锁定154
913　所有权和分解156
914　避免变化的设计156
92　通过人工智能扩展数据的价值157
93　混合持久化159
94　受益于数据素养163
941　理解主题165
942　技能集165
943　全部都是元数据167
944　正确的数据-在正确的上下文
　中-使用正确的接口168
95　本章小结170
第10章　终章：人工智能的信息架构171
101　人工智能开发工作172
102　基本要素：基于云的计算、数据和分析175
1021　交集：计算容量和存储容量180
1022　分析强度181
1023　跨要素的互操作性183
1024　数据管道飞行路径：飞行前、飞行中、飞行后186
1025　数据水坑、数据池和数据