کاربرد هوش مصنوعی و علم داده ها

تجزیه و تحلیل ها به یک عامل محرک فناوری در دهه اخیر تبدیل شده اند. شرکت هایی از قبیل آی بی ام، اوراکل، مایکروسافت در حال تشکیل واحدهای سازمانی جدید با تمرکز بر ابزارهای تجزیه و تحلیلی هستند که بتوانند آنها را در بهبود کارایی و اثربخشی عملیات شان یاری کنند. تصمیم گیرندگان از داده ها و ابزارهای رایانه ای برای اتخاذ تصمیمات بهتر استفاده میکنند. حتی مصرف کنندگان نیز به نحو مستقیم یا غیر مستقیم از ابزارهای تجزیه و تحلیل برای تصمیم گیری در خصوص فعالیت های روزمره خود از جمله خرید، مراقبت سلامت و سرگرمی استفاده میکنند. هدف از ترجمه این کتاب، معرفی فناوری هایی است که به طور کلی و در مجموع ابزارهای تجزیه و تحلیل برای کسب و کارها نامیده میشوند، ولی با نام های دیگری از قبیل سیستم های پشتیبان تصمیم، سیستم های اطلاعات اجرایی و هوش تجاری شناخته میشدند. در این کتاب به معرفی اصول و مبانی روش ها، متدولوژی ها و تکنیک های به کار رفته برای طراحی و توسعه ی این سیستم ها پرداخته شده است. علاوه بر این، اصول هوش مصنوعی هم در رابطه با تحلیل ها و هم به عنوان یک رشته مستقل برای پشتیبانی تصمیم در اینجا بررسی شده است. امیدواریم مدیران ارشد، متخصصان و کارشناسان چه در حوزه علم و دانش و چه صنعت و شرکت های دانش بنیان، با بهره گیری از مفاهیم، تکنیک ها و موارد کاربردی ارائه شده در این کتاب بتوانند گامی موثر در جهت ارتقا و اعتلای میهن عزیزمان در حوزه های کسب و کارهای الکترونیکی، بازرگانی الکترونیکی، حمل و نقل های هوشمند، سلامت الکترونیک و خدمات آنلاین و بر خط، بردارند. همچنین این کتاب میتواند برای دانش آموختگان دانشگاه و پژوهشگران فناوری اطلاعات در حوزه صنعت، الگویی ارائه دهد تا به وسیله آن طراحی و اجرای یک پلتفرم کسب و کار را به طور دقیق و کاربردی پیاده سازی نمایند. فهرست مطالب کتاب کاربرد هوش مصنوعی و علم داده ها درباره مؤلفان 9 پیشگفتار 11 بخش اول – مقدمه‌ای بر تجزیه و تحلیل و هوش مصنوعی فصل اول: مروری بر هوش تجاری، تجزیه وتحلیل، علم داده‌ها و هوش مصنوعی: سیستم‌های پشتیبان تصمیم‌گیر پرونده‌ی آغازین:چگونه سیستم‌های هوشمند برای آسانسورها و بالابرهای شرکت کُنه کار می‌کنند؟ محیط‌های کسب‌وکار متغیر و نیازهای روزافزون برای پشتیبانی از تصمیم و تجزیه‌و‌تحلیل‌ها فرایندهای تصمیم‌گیری و چارچوب پشتیبانی تصمیم رایانه‌ای تکامل پشتیبانی تصمیم رایانه‌ای در هوش تجاری، تجزیه‌وتحلیل و علم داده‌ها مروریبر علم تجزیه‌وتحلیل مثال‌هایی از تجزیه‌وتحلیل‌ها در حوزه‌های منتخب مروری بر هوش‌مصنوعی همگرایی تجزیه‌وتحلیل و هوش مصنوعی مروریبر اکوسیستم تجزیه‌وتحلیل‌ها ساختار کتاب منابع، پیوندها و ارتباط شبکه‌ی‌دانشگاه تِرادِیتا کاربرد هوش مصنوعی و علم داده‌ها در تحلیل سیستم‌های تصمیم‌گیری کسب و کارها فصل دوم: هوش مصنوعی: مفاهیم، محرک‌ها، فناوری های مهم و کاربردهای کسب و کار 2.1 پرونده‌ی آغازین: این ریکس مشکلات حمل و نقل را حل می‌کند 2.2 مقدمه‌ای بر هوش مصنوعی 2.3 هوش انسان و رایانه 2.4 فناوری‌های اصلی هوش مصنوعی و برخی از مشتقات آن 2.5 پشتیبانی هوش مصنوعی برای تصمیم‌گیری 2.6 کاربردهای هوش مصنوعی در حسابداری 2.7 کاربردهای هوش مصنوعی در خدمات مالی 2.8 هوش مصنوعی در مدیریت منابع انسانی 2.9 هوش مصنوعی در بازاریابی، تبلیغات و مدیریت ارتباط با مشتریان 2.10 کاربردهای هوش مصنوعی در مدیریت تولید-عملیات فصل سوم: ماهیت، مدل‌سازی آماری و مصور سازی داده‌ها 3.1 پرونده‌ی آغازین: سیریوس ایک ساِم از طریق بازاریابیِ داده محور، نسل جدیدی از مخاطبان رادیو را… 3.2 ماهیت داده‌ها 3.3 طبقه‌بندی ساده‌ی داده‌ها 3.4 هنر و علم پیش‌پردازش داده‌ها 3.5 مدل‌سازی آماری برای تجزیه و تحلیل کسب و کار 3.6 مدل‌سازی رگرسیون برای آمار استنتاجی 3.7 گزارش‌دهی کسب و کار 3.8 مصورسازی داده‌ها 3.9 انواع مختلف گراف‌ها و نمودارها 3.10 پیدایش تحلیل‌های دیداری 3.11 داشبوردهای اطلاعاتی بخش دوم – تحلیل های پیش‌گویانه / یادگیری ماشینی فصل چهارم: الگوریتم‌ها، روش‌ها و فرایند داده کاوی 4.1 پرونده ی آغازین: دپارتمان پلیس میامی-دِید از تجزیه وتحلیل پیش‌گویانه برای پیش بینی و مبارزه با جرائم استفاده می کند 4.2 مفاهیم داده کاوی 4.3 کاربردهای داده کاوی 4.4 فرایند داده کاوی 4.5 رو های داده کاوی 4.6 ابزارهای نر مافزاری داده کاوی 7. مسائل حریم خصوصی، افسانه‌ها و اشتباهات بزرگ در مورد داده‌کاوی فصل پنجم: فنون یادگیری ماشین برای تجزیه‌وتحلیل پیشگویانه پرونده‌ی‌آغازین: مدل‌سازی پیشگویانه به درکو مدیریت بهتر رویه‌های پزشکی پیچیده کمک می‌کند مفاهیم پایه‌ی شبکه‌های عصبی ماشین‌های برداری پشتیبان رویکرد فرایندمحور برای استفاده در ماشین‌های برداری پشتیبان روش نزدیکت