本书旨在为政企组织实施数智化转型提供详尽的理论指导、体系框架、实施路径及实践参考。
电子书
编辑推荐
一本书带你深入了解人工智能数字化时代。
内容简介
本书首先从企业支持人工智能技术发展的视角出发，讲解如何认识数字化转型、数字化转型战略主要包含的方面、支持数字化转型的应用体系设计方法等。其次，承接对应用体系设计的讨论，详细讲解如何研发并落地实施定制化的人工智能应用，内容包括对人工智能应用研发的整体认识，业务需求和业务知识的梳理，数据收集、数据处理与建模分析，模型上线运行和持续迭代等。最后，基于相关讨论，分析人工智能应用研发的特点，探讨人工智能领域在应用研发模式与策略、专业技能人才培养等方面可能产生的一些新变化，以及领域内各种业态可能出现的发展趋势。 本书适合企业技术总监、规划与计划人员、人工智能应用研发管理者与研发技术人员，以及对企业数字化转型和人工智能技术落地感兴趣的读者阅读。
章节目录
- 版权信息
- 版 权
- 内 容 提 要
- 前 言
- 资源与支持
- 第1章 全面理解数字化转型
- 1.1 数字化转型：数据成为价值提升的推动力
- 1.2 数据与数字化转型的重要性
- 1.3 数字化转型的直接关注对象：业务、数据与技术
- 1.4 数字化转型的必需基础条件：思想认识、发展政策、人才及资源投入
- 1.5 数字化转型的工作步骤
- 1.6 数字化转型与人工智能技术的相互选择
- 1.6.1 数字化转型与人工智能技术联系密切
- 1.6.2 人工智能技术可能带来的价值
- 1.7 补充：人工智能相关概念辨析
- 1.7.1 人工智能
- 1.7.2 人工智能技术
- 1.7.3 大数据
- 1.7.4 机器学习
- 1.7.5 几组概念辨析
- 第2章 结合人工智能技术特性制定数字化转型战略
- 2.1 数字化转型战略的制定原则
- 2.2 建立必须开展数字化转型工作的共识
- 2.2.1 在管理团队形成正确共识
- 2.2.2 使思想深入各级员工
- 2.3 梳理整合对内与对外的服务场景
- 2.3.1 提供满足员工角色需求的服务
- 2.3.2 寻找提升企业竞争力的技术方案
- 2.3.3 梳理需求并启动应用体系的设计与建设
- 2.4 实现数据采集、存储与管理过程的标准化
- 2.4.1 制定数据采集范围和采集标准规范
- 2.4.2 制定数据标准规范
- 2.4.3 设计数据权限体系并加强数据掌控能力
- 2.5 培育适应数字化转型需求的技术能力
- 2.5.1 建设扎实的硬件基础
- 2.5.2 建设统一数字技术平台
- 2.5.3 建设核心数据能力
- 2.5.4 开展应用研发与整合
- 2.5.5 实现技术的开放融合共享
- 2.6 完善组织与人才保障
- 2.6.1 管理层亲自承担数字化转型重任
- 2.6.2 建设中心和业务部门专属的两级数据科学团队
- 2.6.3 保持复合型人才培养与对外交流合作
- 第3章 开展支撑数字化转型的应用体系设计与建设
- 3.1 建设一个应用体系而非一批应用的原因
- 3.2 应用体系的建设原则：围绕业务需求
- 3.2.1 应用与应用体系以业务需求为核心
- 3.2.2 辨析业务需求从抽象到具体的不同层次
- 3.2.3 应用体系的各级组成及其与不同需求层次的对应
- 3.2.4 补充：部分问题探讨
- 3.3 开展应用体系设计
- 3.3.1 梳理业务流
- 3.3.2 规划并组织功能集合
- 3.3.3 组织功能点形成应用
- 3.3.4 组织应用形成应用体系
- 3.4 争取来自各类人员的支持
- 3.4.1 企业领导
- 3.4.2 职能部门领导
- 3.4.3 业务部门领导
- 3.4.4 业务专家和一线业务人员
- 3.4.5 项目组技术人员
- 3.4.6 所需争取的各类资源
- 3.5 计划并执行应用体系建设
- 3.5.1 综合资源、价值和技术难度来制订建设计划
- 3.5.2 应用体系建设与迭代完善
- 第4章 人工智能应用研发总述
- 4.1 人工智能应用研发遵循的基本理念
- 4.2 人工智能应用研发的3项重要基础条件：业务、数据、技术
- 4.2.1 业务需求与业务知识
- 4.2.2 高质量的真实数据
- 4.2.3 建模分析与应用开发技术
- 4.3 人工智能应用研发涉及的各类人员
- 4.3.1 业务人员
- 4.3.2 设计人员
- 4.3.3 建模分析人员
- 4.3.4 开发人员
- 4.3.5 管理人员和模型维护人员
- 4.4 人工智能应用研发的主要流程及相应交付物
- 4.4.1 价值与可行性评估
- 4.4.2 研发目标与研发周期确定
- 4.4.3 业务需求与业务知识梳理
- 4.4.4 数据收集
- 4.4.5 数据处理与建模分析
- 4.4.6 模型上线试运行与迭代
- 4.4.7 应用开发及生产环境部署
- 4.4.8 应用的产品化（可选）
- 4.4.9 重要补充：模型的多重含义辨析
- 4.5 人工智能应用研发常见的技术与管理问题
- 4.5.1 常见的技术问题
- 4.5.2 常见的管理问题
- 第5章 业务梳理和建模数据收集
- 5.1 业务需求梳理
- 5.1.1 业务需求梳理的意义
- 5.1.2 业务需求梳理的主要过程
- 5.2 业务知识梳理
- 5.2.1 业务知识梳理的意义
- 5.2.2 业务知识梳理的主要过程
- 5.3 建模数据收集
- 5.3.1 建模数据收集的意义和参与对象
- 5.3.2 建模数据收集的主要过程
- 5.3.3 面向数据分析与应用研发的数据建设方向
- 第6章 数据处理、建模分析与模型上线运行
- 6.1 对数据处理与建模分析的基本认识
- 6.1.1 主要涉及对象
- 6.1.2 数据处理与建模分析的主要过程
- 6.1.3 建模分析的特点
- 6.1.4 预估建模效果时的可参考因素
- 6.2 数据处理
- 6.2.1 主要内容和基本要求
- 6.2.2 数据的拼接与整合
- 6.2.3 异常值和缺失值处理
- 6.2.4 特征维度建立
- 6.2.5 标准化
- 6.2.6 特征选择和降维
- 6.2.7 过采样和降采样
- 6.2.8 标签调整
- 6.3 模型训练、测试及评价
- 6.3.1 模型的超参数设置
- 6.3.2 模型的训练与测试
- 6.3.3 多模型的集成
- 6.3.4 常用的模型评价指标
- 6.3.5 几类主要的模型评价标准
- 6.4 模型的上线运行与持续迭代
- 6.4.1 主要工作内容
- 6.4.2 业务数据接入
- 6.4.3 模型上线试运行
- 6.4.4 模型分析结果处理与交互性改善
- 6.4.5 模型线上持续迭代
- 6.4.6 关于模型自动迭代的简要探讨
- 第7章 人工智能领域发展趋势分析
- 7.1 人工智能应用的研发特点及价值
- 7.2 人工智能技术及应用的发展现状
- 7.2.1 机器学习理论的主要研究课题
- 7.2.2 技术落地方面的主要发展趋势
- 7.2.3 暗示的现象和问题
- 7.3 人工智能应用研发的组织变革
- 7.3.1 业务组织外技术团队承担应用研发的问题
- 7.3.2 业务组织内引入人工智能技术人员的优势
- 7.4 人工智能应用研发的管理变革
- 7.4.1 基础环境的统一建设与集中管控
- 7.4.2 研发流程的标准化
- 7.4.3 建模方法迁移变得更为普遍
- 7.5 人工智能技术人才的培养方式转变
- 7.6 人工智能应用研发工具的持续改进
- 7.7 人工智能技术服务的业态发展
- 7.7.1 提供计算设备与算力
- 7.7.2 提供模型的研发环境
- 7.7.3 提供定制化的研究协助
- 7.7.4 提供标准化的应用和产品
- 7.7.5 提供作为第三方的咨询、测试及保险服务
- 7.7.6 提供培训与资格认证
- 7.7.7 补充：企业拓展人工智能业务的适宜形式
- 7.8 人工智能领域法律法规的完善
- 结束语
展开全部
企业数字化转型人工智能技术落地指南是2022年由人民邮电出版社出版,作者金玮。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《企业数字化转型人工智能技术落地指南》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书以业务为导向，以管理会计闭环为抓手阐述数据中台如何提升企业决策质量。
电子书
一本企业数字化转型的实践指南，探索不同行业、不同企业的智能化成长路径。
电子书
国企数字化转型书籍，数智时代国有企业成功转型的战略路径，帮助企业了解外在趋势、提炼战略理论指导、提供战略转型的思路及建议。
电子书
餐饮会员运营管理全解析，助力从0到1打造成功案例。
电子书
一部内部控制实务工具书。
电子书
企业数字化转型书籍，汇聚20余位企业数字化领域人士，系统诠释数智商业思维下的企业数智化场景重塑的思维逻辑，勾勒企业数字化整体蓝图，建立企业数智化思维框架。
电子书
一本助力创业者的实务宝典，详解融资营销技巧。
