ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Applied Artificial Intelligence in Business: Concepts and Cases (Applied Innovation and Technology Management)

دانلود کتاب هوش مصنوعی کاربردی در تجارت: مفاهیم و موارد (مدیریت نوآوری و فناوری کاربردی)

Applied Artificial Intelligence in Business: Concepts and Cases (Applied Innovation and Technology Management)

مشخصات کتاب

Applied Artificial Intelligence in Business: Concepts and Cases (Applied Innovation and Technology Management)

ویرایش: 1st ed. 2022 
نویسندگان: , ,   
سری:  
ISBN (شابک) : 3031057392, 9783031057397 
ناشر: Springer 
سال نشر: 2022 
تعداد صفحات: 370 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت 

قیمت کتاب (تومان) : 35,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 11


در صورت تبدیل فایل کتاب Applied Artificial Intelligence in Business: Concepts and Cases (Applied Innovation and Technology Management) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب هوش مصنوعی کاربردی در تجارت: مفاهیم و موارد (مدیریت نوآوری و فناوری کاربردی) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب هوش مصنوعی کاربردی در تجارت: مفاهیم و موارد (مدیریت نوآوری و فناوری کاربردی)



این کتاب به دانش آموزان مقدمه ای با مفاهیم کلان داده و هوش مصنوعی (AI) و کاربردهای آنها در دنیای تجارت ارائه می دهد. به سوالاتی مانند مفاهیم اصلی هوش مصنوعی و کلان داده پاسخ می دهد؟ چه برنامه هایی برای هوش مصنوعی و تجزیه و تحلیل داده های بزرگ در زمینه کسب و کار استفاده می شود؟ این مرورها و موارد کاربردی از بخش ها و زمینه های مختلف را ارائه می دهد تا به خوانندگان کمک کند تا بینش های مفیدی را کشف کرده و به دست آورند. هر فصل شامل سوالات بحث و خلاصه است. برای کمک به اساتید در تدریس، مطالب تکمیلی کتاب شامل پاسخ به سؤالات و اسلایدهای ارائه خواهد بود.


توضیحاتی درمورد کتاب به خارجی

This book offers students an introduction to the concepts of big data and artificial intelligence (AI) and their applications in the business world. It answers questions such as what are the main concepts of artificial intelligence and big data? What applications for artificial intelligence and big data analytics are used in the business field? It offers application-oriented overviews and cases from different sectors and fields to help readers discover and gain useful insights. Each chapter features discussion questions and summaries. To assist professors in teaching, the book supplementary materials will include answers to questions, and presentation slides.



فهرست مطالب

Preface
Contents
Part I: Artificial Intelligence Concepts
	1: Artificial Intelligence for Business
		1.1	 Introduction
		1.2	 AI Origin and Commercialization
		1.3	 Big Data Fueling Artificial Intelligence
		1.4	 Technology Landscape of AI in Business
		1.5	 Business Perspectives on Artificial Intelligence
		References
	2: Big Data Powering Business Intelligence
		2.1	 Introduction
		2.2	 Business Process and Big Data
			2.2.1	 Data from Business Operations
			2.2.2	 Social Media Data
			2.2.3	 Types of Business Data
			2.2.4	 Big Data in Business
		2.3	 Big Data Analytics
		2.4	 Business Analytics
		2.5	 Business Intelligence
			2.5.1	 Data Mining
			2.5.2	 Data Warehousing
		2.6	 Cloud Technology and Big Data Analytics
		References
	3: Artificial Intelligence Technologies for Business Applications
		3.1	 Introduction
		3.2	 Expert Systems
		3.3	 Robotic Process Automation
		3.4	 Fuzzy Logic
		3.5	 Interactive Decision Support Systems
		3.6	 Time Series Forecasting
		3.7	 Case-Based Reasoning
		3.8	 Procedural Content Generation
		3.9	 Voice Chatbots
		3.10	 Genetic Algorithm-Radial Basis Function (GA-RBF)
		3.11	 Hybrid AI Systems
		References
	4: Machine Learning for Business Applications
		4.1	 Introduction
		4.2	 Three Types of Machine Learning
			4.2.1	 Supervised Learning
			4.2.2	 Unsupervised Learning
			4.2.3	 Reinforcement Learning
		4.3	 Machine Learning Algorithms
			4.3.1	 Linear and Multiple Regression
			4.3.2	 Polynomial and Logistic Regression
			4.3.3	 Decision Tree
			4.3.4	 Neural Networks
			4.3.5	 Deep Learning
				4.3.5.1	 Convolutional Neural Networks
				4.3.5.2	 Recurrent Neural Network
			4.3.6	 Genetic Algorithms
			4.3.7	 Support Vector Machine
			4.3.8	 Naive Bayes Algorithm
			4.3.9	 Bayesian Network
		References
Part II: Artificial Intelligence for Core Business Functions
	5: Artificial Intelligence in Marketing and Sales
		5.1	 Introduction
		5.2	 The Development of AI Technologies in Marketing
		5.3	 AI Technologies for Marketing
			5.3.1	 Deep Learning
			5.3.2	 Artificial Neural Networks (ANNs)
			5.3.3	 Naïve Bayes Classifier
			5.3.4	 Decision Tree
			5.3.5	 Anomaly Detection
			5.3.6	 Genetic Algorithms
			5.3.7	 Rule-Based System
		5.4	 Application Areas of AI in Marketing
			5.4.1	 Market Segmentation and Targeting
			5.4.2	 Sales and Product Pricing
			5.4.3	 Market Research and Forecasting
			5.4.4	 Advertising
			5.4.5	 Brand Positioning
		5.5	 Key Takeaways
		5.6	 Conclusion
		References
	6: Artificial Intelligence for Customer Service
		6.1	 Introduction
		6.2	 The Development of AI in Customer Service
		6.3	 AI Technologies for Customer Service
			6.3.1	 Deep Learning
			6.3.2	 Support Vector Machines
			6.3.3	 Naive Bayesian Classification
			6.3.4	 Natural Language Processing
			6.3.5	 Hybrid AI Systems
		6.4	 Features of AI Applications in Customer Service
			6.4.1	 Collaborative Filtering
			6.4.2	 Customer Churn Analysis
			6.4.3	 Social Media Analytics
			6.4.4	 Customer Loyalty Programs
		6.5	 Key Takeaways
		6.6	 Conclusion
		References
	7: Artificial Intelligence in Finance
		7.1	 Introduction
		7.2	 Development of AI in Finance
		7.3	 AI Technologies in Finance and Banking
			7.3.1	 Financial Expert Systems
			7.3.2	 Machine Learning
			7.3.3	 Artificial Neural Network in Finance
			7.3.4	 Decision Analytics Network
			7.3.5	 AI Robo-Advisors
		7.4	 Features of AI Applications in Financial Services
			7.4.1	 Investment Banking
			7.4.2	 Personalized Finance
			7.4.3	 Credit Management
			7.4.4	 Loans and Lending
			7.4.5	 Asset Management
			7.4.6	 High-Frequency Trading
			7.4.7	 Fraud Detection and Security
			7.4.8	 The “FinTech and RegTech” Paradigm
		7.5	 Key Takeaways
		7.6	 Conclusions
		References
	8: Artificial Intelligence in Accounting and Auditing
		8.1	 Introduction
		8.2	 Development of AI in Accounting
		8.3	 Enabling Technologies for AI in Accounting
		8.4	 Features of AI Applications in Accounting
			8.4.1	 General Accounting
			8.4.2	 Accounts Payable
			8.4.3	 Purchasing
			8.4.4	 Accounts Receivable
			8.4.5	 Payment Processing
			8.4.6	 Billing and Invoicing
			8.4.7	 Debt Collection
			8.4.8	 Financial Reporting
			8.4.9	 Auditing
			8.4.10	 Financial Fraud Detection
			8.4.11	 Financial Risk Management
		8.5	 Key Takeaways
		8.6	 Conclusion
		References
	9: Artificial Intelligence in Human Resources
		9.1	 Introduction
		9.2	 Development of AI in HRM
		9.3	 AI Technologies in HR
		9.4	 AI Applications for HR Functions
			9.4.1	 Employee Recruitment
			9.4.2	 Employee Scheduling Management
			9.4.3	 Employee Training Management
			9.4.4	 Employee Turnover and Retention
			9.4.5	 Performance and Engagement Management
		9.5	 Key Takeaways
		9.6	 Conclusion
		References
	10: AI in Supply Chain and Logistics
		10.1	 Introduction
		10.2	 Development of AI Technology in Supply Chain
		10.3	 Enabling Artificial Intelligence Technologies for SCM
		10.4	 Application Areas of AI in SCM
		10.5	 Conclusion
		References
	11: Artificial Intelligence in Manufacturing
		11.1	 Introduction
		11.2	 Development of Artificial Intelligence in Manufacturing
		11.3	 Application Areas of AI in Manufacturing
		11.4	 AI Technologies in Manufacturing
			11.4.1	 Semantic Web of Things for Industry 4.0 (SWEeTI) Platform
			11.4.2	 Interoperative STEP-NC Computer-Aided Manufacturing and Intelligent Agent Systems
			11.4.3	 Fuzzy Interference, Relational Databases, and Rule-Based Decision-Making Systems
			11.4.4	 Time-Series Forecasting and Recurrent Neural Networks
			11.4.5	 Other AI Technologies and Applications
		11.5	 Key Takeaways
		11.6	 Conclusion
		References
Part III: Artificial Intelligence for Industrial Applications
	12: Artificial Intelligence in Insurance
		12.1	 Introduction
		12.2	 The Development of Insurance Technology
		12.3	 Enabling Technologies of AI for Insurtech
			12.3.1	 Chatbot and Natural Language Processing
			12.3.2	 Robotic Process Automation
			12.3.3	 Computer Vision
			12.3.4	 Telematics
			12.3.5	 Predictive Analytics
		12.4	 AI Applications in the Insurance Industry
			12.4.1	 Claims Process
			12.4.2	 Fraud Detection
			12.4.3	 Personalized Policies
		12.5	 Key Takeaways
		12.6	 Conclusion
		References
	13: Artificial Intelligence in Credit, Lending, and Mortgage
		13.1	 Introduction
		13.2	 Technology Development
		13.3	 AI Applications in Various Areas
		13.4	 Key Takeaways
		13.5	 Conclusion
		References
	14: Artificial Intelligence in Tourism and Hospitality
		14.1	 Introduction
		14.2	 Development of AI in Tourism
		14.3	 Enabling Technology for AI in Tourism
			14.3.1	 Expert System
			14.3.2	 Chatbots
			14.3.3	 Artificial Neural Network
			14.3.4	 Belief Network
			14.3.5	 Sentiment Analysis
			14.3.6	 Fuzzy Logic Systems
			14.3.7	 Virtual Reality
		14.4	 Applications of AI in Tourism
			14.4.1	 Smart Tourism
			14.4.2	 Demand Forecasting
			14.4.3	 Customer Data Analytics
		14.5	 Conclusion
		References
	15: Artificial Intelligence in Transportation
		15.1	 Introduction
		15.2	 Development of Autonomous Vehicles
		15.3	 AI Technology in Autonomous Vehicles
		15.4	 Applications of AI in the Transportation Industry
		15.5	 Future Trends
		15.6	 Conclusion
		References
	16: Artificial Intelligence in Real Estate
		16.1	 Introduction
		16.2	 AI Technologies for Real Estate
		16.3	 AI-Supported Real Estate Platforms
			16.3.1	 Houzen Real Estate Platform
			16.3.2	 Finding a Home Through NeighborhoodScout
			16.3.3	 Homesnap App
		16.4	 Conclusion
		References
	17: Artificial Intelligence in Education
		17.1	 Introduction
		17.2	 Evolution of AI in Education
		17.3	 Applications of AI in Learning Platforms
		17.4	 Features of AI in Education
			17.4.1	 Learning Personalization
			17.4.2	 Teaching Customization
			17.4.3	 Effectiveness
			17.4.4	 Smart Contents
			17.4.5	 Big Data Driven
		17.5	 Key Takeaways
			17.5.1	 Impacts on Learning Style
			17.5.2	 Impacts on Teachers
			17.5.3	 Impact on Business
		17.6	 Conclusion
		References
	18: Artificial Intelligence in Healthcare
		18.1	 Introduction
		18.2	 Evolution of AI in Healthcare
		18.3	 Current AI Technologies in Healthcare
		18.4	 Major Categories of AI in Healthcare
		18.5	 Key Takeaways
		18.6	 Conclusion
		References
	19: Artificial Intelligence in Energy
		19.1	 Introduction
		19.2	 Evolution of AI in Energy
		19.3	 Features of AI Applications in Energy
			19.3.1	 Smart Grid
			19.3.2	 Smart Homes
			19.3.3	 Renewable and Nonrenewable Resources
		19.4	 Conclusion
		References
	20: AI in Media and Entertainment
		20.1	 Introduction
		20.2	 AI for Traditional Media Services
			20.2.1	 AI for Television Broadcasting
			20.2.2	 AI for Radiobroadcasting
			20.2.3	 AI in Journalism and Print Media
			20.2.4	 AI in Cinema and Films
		20.3	 AI for New Media Streaming Services
		20.4	 AI for Social Media and Web Analytics
		20.5	 AI for Music Industry
			20.5.1	 Music Research
			20.5.2	 Music Psychology
		20.6	 Key Takeaways and Outlook
		20.7	 Conclusion
		References
	21: Artificial Intelligence in Fashion
		21.1	 Introduction
		21.2	 Current AI Applications
		21.3	 AI Applications for Fashion
		21.4	 Conclusion
		References
	22: Artificial Intelligence in Video Games and eSports
		22.1	 Introduction
		22.2	 Evolution of AI in Video Games and eSports
		22.3	 Enabling Technologies for AI in Gaming
			22.3.1	 Big Data in Gaming
			22.3.2	 Virtual Reality and AI in Gaming
			22.3.3	 Graphics Processing Units and AI Chips
			22.3.4	 Online Gaming and Cloud Platforms
		22.4	 AI Applications in Video Games and eSports
			22.4.1	 AI Opponents
			22.4.2	 AI Hirelings, Followers, and Non-Player Characters
			22.4.3	 Procedural Content Generation
			22.4.4	 Player Experience Modeling
			22.4.5	 Antisocial Behavior Detection and Governance in Multiplayer Gaming
			22.4.6	 Win Prediction
			22.4.7	 Intelligent Tutoring and Training
			22.4.8	 Player Telemetry Sign-Up, Engagement, and Retention Analytics
		22.5	 Key Takeaways
		22.6	 Conclusion
		References
	23: Artificial Intelligence in Sports
		23.1	 Introduction
		23.2	 AI for Sports Management
		23.3	 AI Applications for Basketball
		23.4	 AI Applications for Baseball
		23.5	 AI Applications for Golf
		23.6	 Conclusion
		References
Index




نظرات کاربران