企業(yè)數(shù)字化轉(zhuǎn)型人工智能技術(shù)落地指南
定 價:79.8 元
- 作者:金瑋
- 出版時間:2023/2/1
- ISBN:9787115602664
- 出 版 社:人民郵電出版社
- 中圖法分類:F272.7-62
- 頁碼:224
- 紙張:
- 版次:01
- 開本:16開
本書首先從企業(yè)支持人工智能技術(shù)發(fā)展的視角出發(fā),講解如何認識數(shù)字化轉(zhuǎn)型、數(shù)字化轉(zhuǎn)型戰(zhàn)略主要包含的方面、支持數(shù)字化轉(zhuǎn)型的應用體系設(shè)計方法等。其次,承接對應用體系設(shè)計的討論,詳細講解如何研發(fā)并落地實施定制化的人工智能應用,內(nèi)容包括對人工智能應用研發(fā)的整體認識,業(yè)務需求和業(yè)務知識的梳理,數(shù)據(jù)收集、數(shù)據(jù)處理與建模分析,模型上線運行和持續(xù)迭代等。最后,基于相關(guān)討論,分析人工智能應用研發(fā)的特點,探討人工智能領(lǐng)域在應用研發(fā)模式與策略、專業(yè)技能人才培養(yǎng)等方面可能產(chǎn)生的一些新變化,以及領(lǐng)域內(nèi)各種業(yè)態(tài)可能出現(xiàn)的發(fā)展趨勢。
本書適合企業(yè)技術(shù)總監(jiān)、規(guī)劃與計劃人員、人工智能應用研發(fā)管理者與研發(fā)技術(shù)人員,以及對企業(yè)數(shù)字化轉(zhuǎn)型和人工智能技術(shù)落地感興趣的讀者閱讀。
·注重技術(shù)落地。本書從戰(zhàn)略制定、應用體系設(shè)計、應用點研發(fā)三個層次,完整地描述了運用人工智能技術(shù)助力企業(yè)數(shù)字化轉(zhuǎn)型的方法。其中,盡量回避對概念、愿景、原則等抽象內(nèi)容的空泛討論,而是詳細討論各種操作層面的問題,并提出一系列可以落地的切實舉措。
·加強理論探討。本書在討論各種問題時盡量保證每項結(jié)論的產(chǎn)出都帶有思路清晰、論證充分的理論探討。相比于常見的直接下定義、給出結(jié)論的一些書目,本書觀點豐富且易于理解,同時分析問題的思想可能被讀者遷移復用至其他場景指導行動。
·觀點新穎。本書討論了許多與人工智能技術(shù)落地密切相關(guān)的問題,如需求從抽象到具體的不同層次、模型在不同應用研發(fā)階段的含義、對建模效果進行預估的方法等提出了一些新觀念新認識。這些問題實際上對于人工智能技術(shù)落地較為重要卻較少得到討論,在這方面本書應具有一定創(chuàng)新性。
金瑋,北京大學信息管理系情報學專業(yè)碩士畢業(yè),現(xiàn)任昆侖數(shù)智科技有限責任公司大數(shù)據(jù)技術(shù)部副經(jīng)理,從事人工智能前沿技術(shù)跟蹤、油氣行業(yè)人工智能應用及通用人工智能平臺研發(fā)工作。在建模方案設(shè)計、模型落地與產(chǎn)品化等方面有豐富經(jīng)驗。
第 1章 全面理解數(shù)字化轉(zhuǎn)型 1
1.1 數(shù)字化轉(zhuǎn)型:數(shù)據(jù)成為價值提升的推動力 1
1.2 數(shù)據(jù)與數(shù)字化轉(zhuǎn)型的重要性 3
1.3 數(shù)字化轉(zhuǎn)型的直接關(guān)注對象:業(yè)務、數(shù)據(jù)與技術(shù) 4
1.4 數(shù)字化轉(zhuǎn)型的必需基礎(chǔ)條件:思想認識、發(fā)展政策、人才及資源投入 7
1.5 數(shù)字化轉(zhuǎn)型的工作步驟 9
1.6 數(shù)字化轉(zhuǎn)型與人工智能技術(shù)的相互選擇 10
1.6.1 數(shù)字化轉(zhuǎn)型與人工智能技術(shù)聯(lián)系密切 10
1.6.2 人工智能技術(shù)可能帶來的價值 12
1.7 補充:人工智能相關(guān)概念辨析 15
1.7.1 人工智能 15
1.7.2 人工智能技術(shù) 17
1.7.3 大數(shù)據(jù) 18
1.7.4 機器學習 19
1.7.5 幾組概念辨析 23
第 2章 結(jié)合人工智能技術(shù)特性制定數(shù)字化轉(zhuǎn)型戰(zhàn)略 25
2.1 數(shù)字化轉(zhuǎn)型戰(zhàn)略的制定原則 25
2.2 建立必須開展數(shù)字化轉(zhuǎn)型工作的共識 27
2.2.1 在管理團隊形成正確共識 28
2.2.2 使思想深入各級員工 29
2.3 梳理整合對內(nèi)與對外的服務場景 29
2.3.1 提供滿足員工角色需求的服務 30
2.3.2 尋找提升企業(yè)競爭力的技術(shù)方案 30
2.3.3 梳理需求并啟動應用體系的設(shè)計與建設(shè) 31
2.4 實現(xiàn)數(shù)據(jù)采集、存儲與管理過程的標準化 32
2.4.1 制定數(shù)據(jù)采集范圍和采集標準規(guī)范 32
2.4.2 制定數(shù)據(jù)標準規(guī)范 34
2.4.3 設(shè)計數(shù)據(jù)權(quán)限體系并加強數(shù)據(jù)掌控能力 37
2.5 培育適應數(shù)字化轉(zhuǎn)型需求的技術(shù)能力 40
2.5.1 建設(shè)扎實的硬件基礎(chǔ) 40
2.5.2 建設(shè)統(tǒng)一數(shù)字技術(shù)平臺 41
2.5.3 建設(shè)核心數(shù)據(jù)能力 43
2.5.4 開展應用研發(fā)與整合 45
2.5.5 實現(xiàn)技術(shù)的開放融合共享 46
2.6 完善組織與人才保障 48
2.6.1 管理層親自承擔數(shù)字化轉(zhuǎn)型重任 48
2.6.2 建設(shè)中心和業(yè)務部門專屬的兩級數(shù)據(jù)科學團隊 49
2.6.3 保持復合型人才培養(yǎng)與對外交流合作 52
第3章 開展支撐數(shù)字化轉(zhuǎn)型的應用體系設(shè)計與建設(shè) 55
3.1 建設(shè)一個應用體系而非一批應用的原因 55
3.2 應用體系的建設(shè)原則:圍繞業(yè)務需求 56
3.2.1 應用與應用體系以業(yè)務需求為核心 56
3.2.2 辨析業(yè)務需求從抽象到具體的不同層次 57
3.2.3 應用體系的各級組成及其與不同需求層次的對應 58
3.2.4 補充:部分問題探討 59
3.3 開展應用體系設(shè)計 62
3.3.1 梳理業(yè)務流 62
3.3.2 規(guī)劃并組織功能集合 63
3.3.3 組織功能點形成應用 65
3.3.4 組織應用形成應用體系 67
3.4 爭取來自各類人員的支持 70
3.4.1 企業(yè)領(lǐng)導 71
3.4.2 職能部門領(lǐng)導 72
3.4.3 業(yè)務部門領(lǐng)導 73
3.4.4 業(yè)務專家和一線業(yè)務人員 75
3.4.5 項目組技術(shù)人員 76
3.4.6 所需爭取的各類資源 79
3.5 計劃并執(zhí)行應用體系建設(shè) 81
3.5.1 綜合資源、價值和技術(shù)難度來制訂建設(shè)計劃 81
3.5.2 應用體系建設(shè)與迭代完善 87
第4章 人工智能應用研發(fā)總述 91
4.1 人工智能應用研發(fā)遵循的基本理念 92
4.2 人工智能應用研發(fā)的3項重要基礎(chǔ)條件:業(yè)務、數(shù)據(jù)、技術(shù) 92
4.2.1 業(yè)務需求與業(yè)務知識 93
4.2.2 高質(zhì)量的真實數(shù)據(jù) 94
4.2.3 建模分析與應用開發(fā)技術(shù) 95
4.3 人工智能應用研發(fā)涉及的各類人員 96
4.3.1 業(yè)務人員 96
4.3.2 設(shè)計人員 97
4.3.3 建模分析人員 98
4.3.4 開發(fā)人員 98
4.3.5 管理人員和模型維護人員 99
4.4 人工智能應用研發(fā)的主要流程及相應交付物 100
4.4.1 價值與可行性評估 100
4.4.2 研發(fā)目標與研發(fā)周期確定 101
4.4.3 業(yè)務需求與業(yè)務知識梳理 102
4.4.4 數(shù)據(jù)收集 102
4.4.5 數(shù)據(jù)處理與建模分析 103
4.4.6 模型上線試運行與迭代 104
4.4.7 應用開發(fā)及生產(chǎn)環(huán)境部署 105
4.4.8 應用的產(chǎn)品化(可選) 105
4.4.9 重要補充:模型的多重含義辨析 107
4.5 人工智能應用研發(fā)常見的技術(shù)與管理問題 109
4.5.1 常見的技術(shù)問題 109
4.5.2 常見的管理問題 110
第5章 業(yè)務梳理和建模數(shù)據(jù)收集 112
5.1 業(yè)務需求梳理 112
5.1.1 業(yè)務需求梳理的意義 112
5.1.2 業(yè)務需求梳理的主要過程 113
5.2 業(yè)務知識梳理 119
5.2.1 業(yè)務知識梳理的意義 119
5.2.2 業(yè)務知識梳理的主要過程 121
5.3 建模數(shù)據(jù)收集 123
5.3.1 建模數(shù)據(jù)收集的意義和參與對象 123
5.3.2 建模數(shù)據(jù)收集的主要過程 124
5.3.3 面向數(shù)據(jù)分析與應用研發(fā)的數(shù)據(jù)建設(shè)方向 129
第6章 數(shù)據(jù)處理、建模分析與模型上線運行 131
6.1 對數(shù)據(jù)處理與建模分析的基本認識 131
6.1.1 主要涉及對象 131
6.1.2 數(shù)據(jù)處理與建模分析的主要過程 132
6.1.3 建模分析的特點 135
6.1.4 預估建模效果時的可參考因素 137
6.2 數(shù)據(jù)處理 138
6.2.1 主要內(nèi)容和基本要求 139
6.2.2 數(shù)據(jù)的拼接與整合 140
6.2.3 異常值和缺失值處理 141
6.2.4 特征維度建立 143
6.2.5 標準化 151
6.2.6 特征選擇和降維 155
6.2.7 過采樣和降采樣 157
6.2.8 標簽調(diào)整 159
6.3 模型訓練、測試及評價 160
6.3.1 模型的超參數(shù)設(shè)置 160
6.3.2 模型的訓練與測試 162
6.3.3 多模型的集成 165
6.3.4 常用的模型評價指標 166
6.3.5 幾類主要的模型評價標準 170
6.4 模型的上線運行與持續(xù)迭代 174
6.4.1 主要工作內(nèi)容 174
6.4.2 業(yè)務數(shù)據(jù)接入 176
6.4.3 模型上線試運行 176
6.4.4 模型分析結(jié)果處理與交互性改善 178
6.4.5 模型線上持續(xù)迭代 179
6.4.6 關(guān)于模型自動迭代的簡要探討 181
第7章 人工智能領(lǐng)域發(fā)展趨勢分析 185
7.1 人工智能應用的研發(fā)特點及價值 185
7.2 人工智能技術(shù)及應用的發(fā)展現(xiàn)狀 186
7.2.1 機器學習理論的主要研究課題 186
7.2.2 技術(shù)落地方面的主要發(fā)展趨勢 188
7.2.3 暗示的現(xiàn)象和問題 189
7.3 人工智能應用研發(fā)的組織變革 192
7.3.1 業(yè)務組織外技術(shù)團隊承擔應用研發(fā)的問題 192
7.3.2 業(yè)務組織內(nèi)引入人工智能技術(shù)人員的優(yōu)勢 194
7.4 人工智能應用研發(fā)的管理變革 196
7.4.1 基礎(chǔ)環(huán)境的統(tǒng)一建設(shè)與集中管控 196
7.4.2 研發(fā)流程的標準化 196
7.4.3 建模方法遷移變得更為普遍 197
7.5 人工智能技術(shù)人才的培養(yǎng)方式轉(zhuǎn)變 198
7.6 人工智能應用研發(fā)工具的持續(xù)改進 199
7.7 人工智能技術(shù)服務的業(yè)態(tài)發(fā)展 200
7.7.1 提供計算設(shè)備與算力 201
7.7.2 提供模型的研發(fā)環(huán)境 202
7.7.3 提供定制化的研究協(xié)助 204
7.7.4 提供標準化的應用和產(chǎn)品 205
7.7.5 提供作為第三方的咨詢、測試及保險服務 207
7.7.6 提供培訓與資格認證 208
7.7.7 補充:企業(yè)拓展人工智能業(yè)務的適宜形式 209
7.8 人工智能領(lǐng)域法律法規(guī)的完善 211
結(jié)束語 213