新書推薦：
《
《长河落日耀金戈——中国古代北方少数民族征战史例 》（以十场战争解读千年边塞历史，再现“铁马冰河入梦来”的热血豪迈）
》
售價：HK$
41.8
《
瀛波志（大都会南部边缘的乌夜与拂晓，社幻小说家的机械奇趣宇宙志。一部百科全书式小说，陆源将中文重新淬炼了一遍）
》
售價：HK$
107.8
《
黑暗时代的哲学家（哲学版的《人类群星闪耀时》，面对历史的洪流，哲学何为？）
》
售價：HK$
85.8
《
国魂 ： 甲午（ 全三册）
》
售價：HK$
178.2
《
我想当数学家
》
售價：HK$
153.8
《
产业变局与四个“铁三角”（精准锚定产业演进方向，高效挖掘变局创新机遇）
》
售價：HK$
63.8
《
游戏直播简史：重塑游戏、电竞与情感经济（薄荷实验）
》
售價：HK$
101.2
《
引凤归（全2册）
》
售價：HK$
76.8
|
| 編輯推薦： |
1. 本书作者刘汪根、陈果，在大数据圈子和咨询领域的口碑、流量不错，有较高的影响力。
2. 本书在内容组织上有如下3大特色：
（1）系统性：完整的数据管理知识体系。
（2）理论与实践相结合：既包括核心技术的介绍，又包括大型企业的成功案例。
（3）前沿性：不仅包含成熟的数据管理技术，还包括AI+数据管理的前沿技术与应用。
|
| 內容簡介： |
本书旨在帮助数据行业的从业者在 AI 时代提升数据管理和数据技术认知水平，内容覆盖数据价值创造的理论、技术和实践。 來源：香港大書城megBookStore,http://www.megbook.com.hk
本书共 8 章。第 1 章回顾企业数据的发展历史，并讲解现代企业数据组织。第 2 章从多维度解析数据价值的创造路径，包括从构建数字化决策、加速业务创新和推动 AI 变革等视角介绍数据价值创造的方法和成果。第 3 章系统讲解数据管理的方法与技术，包括数据资产管理、数据资产运营、数据平台架构的规划及实践案例。第 4 章讲解数据要素价值化的路径探索，包括数据要素在多行业的应用、基础体系、可信数据流通技术及数据资产入表。第 5 章讲解数据底座的技术与实践，包括数据底座的架构要求、分布式存储技术、分布式计算技术等，以及多种架构介绍。第 6 章讲解数据与 AI 的融合，包括推荐系统、基于 LLM 的数据治理分析、数据标注等。第 7 章介绍企业 AI 应用的方法论与知识融合。第 8 章是数据领域技术趋势与思考，包括数据技术的自主可控、开源技术的发展与挑战、数据中台的发展历程与思考、数据编织技术的原理与展望。
本书适合对大数据技术、数据管理、数据价值、数据与 AI 融合及相关技术感兴趣的读者阅读，尤其适合从事大数据相关工作或旨在推动企业数字化转型的读者阅读。
|
| 關於作者： |
|
刘汪根，现任星环科技副总裁、联合创始人，CCF大数据专家委员会和数据治理发展委员会执行委员。帮助星环打造了一系列自主可控、技术领先的大数据基础软件产品，成为全球首个通过国际基准测试TPC-DS认证的公司。王志军，中国联通软件研究院副院长，首席安全官。致力于大数据、云计算、AI及企业信息化领域研究，是通信行业大数据平台建设的开拓者，曾帮助运营商率先实现全网数据集约化、百PB级数据集中高效处理。陈果，企业知识开源计划创始人兼首席布道师，波士顿咨询公司前董事总经理，IBM咨询前全球执行合伙人。在管理咨询和IT咨询行业拥有24年从业经验，为消费品和零售、高科技、冶金和化工、汽车和机械、物流、银行、保险等行业的100多家企业提供过咨询服务。
|
| 目錄：
|
第 1章 数字化与信息化
1.1 数据与信息1
1.2 数据处理的起源2
1.3 数字化的数据处理3
1.3.1 从机械化到数字化4
1.3.2 从数据处理到信息系统7
1.3.3 面向记录事务的数据管理9
1.4 数据管理与分析12
1.5 商业智能与数据科学14
1.6 数据可视化16
1.7 现代企业数据组织19
1.7.1 数据工程师20
1.7.2 数据分析师21
1.7.3 数据科学家22
1.7.4 数据管理人员23
第 2章 数据价值的创造路径
2.1 数据分析创造价值24
2.1.1 企业数据价值创造的阶段化路径24
2.1.2 国内数字化的行业观察27
2.2 数据价值：数字化决策30
2.2.1 运营管理的数字化30
2.2.2 风险管理的数字化32
2.2.3 营销获客的数字化34
2.3 数据价值：业务创新37
2.3.1 线下业务转线上37
2.3.2 监管的数字化39
2.4 数据价值：推动AI变革42
2.4.1 ImageNet42
2.4.2 数字疗法43
2.5 数据价值创造的组织保障44
2.5.1 数据管理团队能力建设47
2.5.2 数据产品团队能力建设48
2.5.3 数据底座团队能力建设49
第3章 数据管理的方法与技术
3.1 数据资产管理51
3.1.1 数据模型管理52
3.1.2 数据标准管理55
3.1.3 数据质量管理57
3.1.4 主数据管理59
3.1.5 元数据管理61
3.1.6 数据安全管理63
3.1.7 数据资产管理平台65
3.2 数据资产运营69
3.2.1 数据可视化69
3.2.2 商业智能71
3.2.3 数据洞察73
3.2.4 数据标签74
3.2.5 数据指标76
3.2.6 数据资产盘点与编目77
3.2.7 数据资产运营平台80
3.3 数据平台架构82
3.3.1 数据仓库82
3.3.2 数据湖86
3.3.3 数据集市89
3.3.4 数据中台90
3.4 中国联通的数据运营体系93
3.4.1 数据运营体系的建设由来93
3.4.2 数据运营的规范统一94
3.4.3 统一工具支撑“一体化运营”94
3.4.4 “一套数据管理体系”
保障数据供给95
第4章 数据要素价值化的路径探索
4.1 数据要素：数据价值的产业化98
4.1.1 数据要素×医疗健康98
4.1.2 数据要素×金融服务101
4.1.3 数据要素×智慧农业103
4.1.4 数据要素×气象服务104
4.2 数据要素的基础体系106
4.2.1 数据基础设施106
4.2.2 数据基础制度108
4.3 可信数据流通技术110
4.3.1 数据空间110
4.3.2 其他技术路径115
4.4 数据资产入表118
4.4.1 数据资产的确认118
4.4.2 数据资产的会计计量120
4.4.3 数据资源入表管理平台121
第5章 数据底座的技术与实践
5.1 数据底座的架构要求124
5.1.1 数据底座的能力要求124
5.1.2 数据底座的核心功能126
5.2 分布式存储技术128
5.2.1 分布式文件存储HDFS130
5.2.2 对象存储Ceph131
5.2.3 宽表存储HBase132
5.2.4 文档搜索引擎Elasticsearch135
5.3 分布式计算技术137
5.3.1 MapReduce140
5.3.2 Spark142
5.3.3 Presto145
5.4 分布式资源管理技术147
5.5 分析型数据库151
5.5.1 MPP数据库152
5.5.2 分布式分析型数据库155
5.5.3 分析型数据库的评价158
5.6 数据联邦162
5.7 湖仓一体架构165
5.7.1 Hudi166
5.7.2 Iceberg168
5.7.3 Delta Lake171
5.8 流批一体架构172
5.8.1 Lambda架构173
5.8.2 Kappa架构174
5.8.3 Flink176
5.9 存算分离架构177
5.9.1 基于云存储的存算分离179
5.9.2 基于本地存储的存算分离180
5.10 中国联通集团的数据底座建设183
5.10.1 大数据技术架构183
5.10.2 数据平台架构188
第6章 数据与AI的融合
6.1 推荐系统191
6.1.1 协同过滤192
6.1.2 内容过滤193
6.1.3 基于向量的近邻召回的推荐系统193
6.1.4 基于点击率预估模型的推荐系统194
6.2 基于LLM的数据治理与分析195
6.2.1 智能化数据治理195
6.2.2 基于LLM的数据分析199
6.3 数据标注200
6.4 向量数据库202
6.4.1 特征与向量203
6.4.2 相似度的度量204
6.4.3 向量检索的召回率与准确率205
6.4.4 向量检索与索引技术206
6.5 知识图谱211
6.5.1 知识的表示方法212
6.5.2 知识抽取与推理技术213
6.5.3 知识存储与图模型215
6.5.4 图数据库与图计算技术216
6.6 AI数据安全的挑战与防护技术217
6.6.1 对抗样本攻击与防御218
6.6.2 数据投毒攻击与防御219
6.6.3 后门攻击与防御220
6.6.4 预训练大模型的数据风险221
第7章 企业AI应用的方法论与知识融合
7.1 通用模型、推理模型与智能体223
7.1.1 通用模型223
7.1.2 推理模型224
7.1.3 智能体224
7.1.4 典型案例：DeepSeek大模型226
7.2 企业AI应用落地方法论227
7.2.1 企业AI应用落地条件227
7.2.2 企业AI落地场景228
7.2.3 企业AI场景实践案例229
7.3 大模型与企业知识融合229
7.3.1 大模型数据调优难题：Demo与上线的差距229
7.3.2 LLM的知识机制230
7.3.3 企业AI应用的基础设施只需要DeepSeek吗231
7.4 知识工程中的大模型应用233
7.4.1 大模型参数差异与NER任务的影响233
7.4.2 知识增强对实体识别的优化234
7.4.3 易混淆知识的识别策略236
7.4.4 知识长度与识别准确率的关系238
7.4.5 推理能力对大模型识别效果的影响240
7.4.6 大模型驱动的知识工程流水线242
第8章 数据领域技术趋势与思考
8.1 数据技术的自主可控245
8.2 开源技术的发展与挑战247
8.3 数据中台的发展历程与思考251
8.4 数据编织技术的原理与展望253
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
