全華網路書店
五南文化廣場網路書店
金石堂 KingStone
誠品網路書店
本書深入解析大數據的發展沿革、4V特徵、行業價值與企業管理模式，更重要的是，它引導讀者從商業應用情境出發，思考並解決真實的數據分析問題，如群組、分類、推薦與關聯等。建立數據驅動思維，與數據科學家進行更有效的溝通，加速智慧應用發展。
在實作層面，本書提供Python語言範例，循序漸進地引領讀者了解分析與模型建立步驟。提供房價預測、電影推薦、圖片辨識及自然語言解析等貼近真實的案例。
本書更納入AI先進技術，介紹LangChain基礎運用，發展簡單的AI代理程式。
這是一本橫跨大數據基礎、預測分析方法，到文本挖掘、圖像辨識、生成式AI代理的完整教材，是商管學生與商業人士理解AI實務與應用的最佳起點！
| FindBook |
有 4 項符合
商務大數據分析：案例分析與AI應用趨勢(第二版)的圖書 |
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：商務大數據分析：案例分析與AI應用趨勢(第二版)
內容簡介
作者介紹
黃正傑
現職：
鼎新電腦 研發處 架構師
文化大學城區部 資管系 兼任助理教授
學歷：
台灣大學資管研究所 博士
經歷：
惠普科技資深技術顧問、資策會資深產業分析師
專長：
企業電子化、系統分析與設計、雲端運算 、 巨量資料應用與創新研究
現職：
鼎新電腦 研發處 架構師
文化大學城區部 資管系 兼任助理教授
學歷：
台灣大學資管研究所 博士
經歷：
惠普科技資深技術顧問、資策會資深產業分析師
專長：
企業電子化、系統分析與設計、雲端運算 、 巨量資料應用與創新研究
目錄
Chapter 01 大數據發展沿革
1-1 資料的發展
1-2 大數據源起
1-3 大數據定義
1-4 大數據特性
Chapter 02 大數據行業價值
2-1 大數據價值
2-2 大數據行業應用機會
2-3 大數據企業應用案例
Chapter 03 大數據商業模式創新
3-1 數據化與創新
3-2 大數據開放資料
3-3 大數據生態系與商業模式創新
Chapter 04 企業大數據管理
4-1 企業數位資料管理演進
4-2 大數據資料處理發展
4-3 大數據資料分析發展
4-4 大數據管理架構
4-5 大數據規劃與實施類型
4-6 大數據企業實施案例
4-7 企業採用趨勢與挑戰
Chapter 05 大數據分析：概念與程序
5-1 數據分析是智慧決策基礎
5-2 從商業分析到預測分析
5-3 預測分析程序
5-4 預測分析工具
5-5 Python工具安裝
Chapter 06 大數據分析：數據的理解
6-1 問題解決方向
6-2 數據組織實作
6-3 數據擷取實作-網頁爬蟲抓取
Chapter 07 大數據分析：數據的準備
7-1 問題解決方向
7-2 數據探索與視覺化
7-3 探索性資料分析
Chapter 08 大數據分析：聚類與分類
8-1 問題解決方向
8-2 聚類分析實作
8-3 分類分析實作
Chapter 09 大數據分析：迴歸與趨勢
9-1 問題解決方向
9-2 迴歸分析實作
9-3 時間趨勢實作
Chapter 10 大數據分析：相似與推薦
10-1 問題解決方向
10-2 異常與相似性判定實作
10-3 相似性推薦實作
Chapter 11 大數據分析：關聯與關係
11-1 問題解決方向
11-2 關聯分析與實作
11-3 貝氏網路分析與實作
Chapter 12 大數據分析：連結與網路
12-1 問題解決方向
12-2 隱馬可夫模型與實作
12-3 社會網路分析與實作
Chapter 13 數據驅動的人工智慧發展
13-1 人工智慧沿革
13-2 人工智慧方法演進
13-3 機器學習方法
13-4 深度學習方法
13-5 生成式AI發展
13-6 ChatGPT實作
Chapter 14 AI探索：文本挖掘分析
14-1 自然語言發展沿革
14-2 問題解決方向
14-3 文本挖掘分析- 文字雲
14-4 文本挖掘分析-TFIDF文本相似查詢
Chapter 15 AI探索：圖像辨識分析
15-1 電腦視覺發展沿革
15-2 問題解決方向
15-3 圖像辨識分析-CNN深度學習
Chapter 16 AI探索：生成式AI代理
16-1 虛擬助理發展沿革
16-2 問題解決方向
16-3 AI代理─ LangChain基礎運用
Chapter 17 用GPT實現商務大數據分析
17-1 GPT預訓練模型是一種商業模式創新
17-2 AI輔助程式設計
17-3 AI輔助數據的理解
17-4 AI輔助數據的準備
17-5 AI輔助數據的分析
17-6 AI輔助文本挖掘分析
17-7 AI輔助圖形分析
17-8 未來：數據驅動行動
1-1 資料的發展
1-2 大數據源起
1-3 大數據定義
1-4 大數據特性
Chapter 02 大數據行業價值
2-1 大數據價值
2-2 大數據行業應用機會
2-3 大數據企業應用案例
Chapter 03 大數據商業模式創新
3-1 數據化與創新
3-2 大數據開放資料
3-3 大數據生態系與商業模式創新
Chapter 04 企業大數據管理
4-1 企業數位資料管理演進
4-2 大數據資料處理發展
4-3 大數據資料分析發展
4-4 大數據管理架構
4-5 大數據規劃與實施類型
4-6 大數據企業實施案例
4-7 企業採用趨勢與挑戰
Chapter 05 大數據分析：概念與程序
5-1 數據分析是智慧決策基礎
5-2 從商業分析到預測分析
5-3 預測分析程序
5-4 預測分析工具
5-5 Python工具安裝
Chapter 06 大數據分析：數據的理解
6-1 問題解決方向
6-2 數據組織實作
6-3 數據擷取實作-網頁爬蟲抓取
Chapter 07 大數據分析：數據的準備
7-1 問題解決方向
7-2 數據探索與視覺化
7-3 探索性資料分析
Chapter 08 大數據分析：聚類與分類
8-1 問題解決方向
8-2 聚類分析實作
8-3 分類分析實作
Chapter 09 大數據分析：迴歸與趨勢
9-1 問題解決方向
9-2 迴歸分析實作
9-3 時間趨勢實作
Chapter 10 大數據分析：相似與推薦
10-1 問題解決方向
10-2 異常與相似性判定實作
10-3 相似性推薦實作
Chapter 11 大數據分析：關聯與關係
11-1 問題解決方向
11-2 關聯分析與實作
11-3 貝氏網路分析與實作
Chapter 12 大數據分析：連結與網路
12-1 問題解決方向
12-2 隱馬可夫模型與實作
12-3 社會網路分析與實作
Chapter 13 數據驅動的人工智慧發展
13-1 人工智慧沿革
13-2 人工智慧方法演進
13-3 機器學習方法
13-4 深度學習方法
13-5 生成式AI發展
13-6 ChatGPT實作
Chapter 14 AI探索：文本挖掘分析
14-1 自然語言發展沿革
14-2 問題解決方向
14-3 文本挖掘分析- 文字雲
14-4 文本挖掘分析-TFIDF文本相似查詢
Chapter 15 AI探索：圖像辨識分析
15-1 電腦視覺發展沿革
15-2 問題解決方向
15-3 圖像辨識分析-CNN深度學習
Chapter 16 AI探索：生成式AI代理
16-1 虛擬助理發展沿革
16-2 問題解決方向
16-3 AI代理─ LangChain基礎運用
Chapter 17 用GPT實現商務大數據分析
17-1 GPT預訓練模型是一種商業模式創新
17-2 AI輔助程式設計
17-3 AI輔助數據的理解
17-4 AI輔助數據的準備
17-5 AI輔助數據的分析
17-6 AI輔助文本挖掘分析
17-7 AI輔助圖形分析
17-8 未來：數據驅動行動
|
