دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Introduction to Prescriptive AI: A Primer for Decision Intelligence Solutioning with Python
دانلود کتاب مقدمه ای بر هوش مصنوعی تجویزی: آغازی برای حل هوشمند تصمیم گیری با پایتون
مشخصات کتاب
Introduction to Prescriptive AI: A Primer for Decision Intelligence Solutioning with Python
ویرایش: نویسندگان: Akshay Kulkarni, Adarsha Shivananda, Avinash Manure سری: ISBN (شابک) : 9781484295670, 9781484295687 ناشر: Apress سال نشر: 2023 تعداد صفحات: 200 [205] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 Mb
قیمت کتاب (تومان) : 41,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Introduction to Prescriptive AI: A Primer for Decision Intelligence Solutioning with Python 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 مقدمه ای بر هوش مصنوعی تجویزی: آغازی برای حل هوشمند تصمیم گیری با پایتون 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 مقدمه ای بر هوش مصنوعی تجویزی: آغازی برای حل هوشمند تصمیم گیری با پایتون
دانش کاری در مورد هوش مصنوعی تجویزی، تاریخچه آن و روندهای فعلی و آینده آن به دست آورید. این کتاب به شما کمک می‌کند تا تکنیک‌های مختلف تجزیه و تحلیل پیش‌بینی‌کننده مبتنی بر هوش مصنوعی را ارزیابی کنید و به شما کمک می‌کند تا از طریق مثال‌های دنیای واقعی، هوشمندی تصمیم‌گیری را در جریان کاری کسب‌وکار خود بگنجانید. این کتاب با مقدمه‌ای بر هوش تصمیم‌گیری آغاز می‌شود و بینشی در مورد هوش مصنوعی تجویزی و نحوه ترکیب آن در استراتژی‌ها و چارچوب‌های تجاری مختلف ارائه می‌کند. سپس با روش‌های مختلف هوش تصمیم‌گیری و نحوه اجرای آنها به همراه مزایا و محدودیت‌های هر کدام آشنا خواهید شد. با حفاری عمیق تر، نویسندگان سپس نحوه انجام شبیه سازی ها و تفسیر نتایج را به شما راهنمایی می کنند. یک فصل کامل به تعبیه فرآیندهای هوشمند تصمیم گیری و نتایج در گردش کار کسب و کار شما با استفاده از برنامه های کاربردی مختلف اختصاص یافته است. این کتاب با بررسی سوگیری‌های شناختی مختلفی که انسان‌ها مستعد آن هستند و اینکه چگونه می‌توان آن سوگیری‌ها را با ترکیب هوش ماشینی و انسانی از بین برد، به پایان می‌رسد. پس از تکمیل این کتاب، هوش مصنوعی، ابزارها و تکنیک های تجویزی را درک خواهید کرد و آماده خواهید بود که آنها را در جریان کاری کسب و کار خود بگنجانید. آنچه خواهید آموخت پیاده سازی برنامه های هوشمند تصمیم گیری کامل با استفاده از پایتون استفاده از ابزارها، تکنیک ها و متدولوژی ها برای هوش مصنوعی تجویزی درک چگونگی استفاده از هوش مصنوعی تجویزی در حوزه های مختلف از طریق مثال های عملی تفسیر نتایج و ادغام آنها در تصمیم گیری خود Who This Book Is دانشمندان و مهندسان یادگیری ماشین ForData و همچنین متخصصان کسب و کار که می خواهند بدانند چگونه هوش تصمیم گیری مبتنی بر هوش مصنوعی می تواند به رشد تجارت آنها کمک کند.
توضیحاتی درمورد کتاب به خارجی
Gain a working knowledge of prescriptive AI, its history, and its current and future trends. This book will help you evaluate different AI-driven predictive analytics techniques and help you incorporate decision intelligence into your business workflow through real-world examples. The book kicks off with an introduction to decision intelligence and provides insight into prescriptive AI and how it can be woven into various business strategies and frameworks. You\'ll then be introduced to different decision intelligence methodologies and how to implement them, along with advantages and limitations of each. Digging deeper, the authors then walk you through how to perform simulations and interpret the results. A full chapter is devoted to embedding decision intelligence processes and outcomes into your business workflow using various applications. The book concludes by exploring different cognitive biases humans are prone to, and how those biases can be eliminated by combining machine and human intelligence. Upon completing this book, you will understand prescriptive AI, tools, and techniques and will be ready to incorporate them into your business workflow. What You Will Learn Implement full-fledged decision intelligence applications using Python Leverage the tools, techniques, and methodologies for prescriptive AI Understand how prescriptive AI can be used in different domains through practical examples Interpret results and integrate them into your decision making Who This Book Is ForData Scientists and Machine Learning Engineers, as well as business professionals who want to understand how AI-driven decision intelligence can help grow their business.
فهرست مطالب
Table of Contents About the Authors About the Technical Reviewer Acknowledgments Introduction Chapter 1: Decision Intelligence Overview Types of AI Decision Intelligence Decision Intelligence History Challenges in AI Adoption How Can DI Help Bridge the Gap Between AI and Business? The Need for Decision Intelligence The Evolution of Decision-Making Challenges Applications Understanding Where Decision Intelligence Fits Within the AI Life Cycle Decision Intelligence Methodologies Some Potential Pros and Cons of DI Examples of How Companies Are Leveraging DI Conclusion Chapter 2: Decision Intelligence Requirements Why Do AI Projects Fail? DI Requirements Framework Planning Approach Approval Mechanism/Organization Alignment Key Performance Indicators Define Clear Metrics Value Return on Investment Value per Decision Consumption of the AI Predictions Conclusion Chapter 3: Decision Intelligence Methodologies Decision-Making Types of Decision-Making Individual vs. Group Decision-Making Single- vs. Multiple-Criterion Decision-Making Strategic, Tactical, and Operational Decision-Making Decision-Making Process Decision-Making Process Example Decision-Making Methodologies Human-Only Decision-Making Random Decisions Morality/Ethics Based Experience Based Authority Based Consensus Based Voting Based Threshold Based First Acceptable Match Based Optimization/Maximization Based Cognitive Bias Due to Human-Only Decision-Making Human-Machine Decision-Making Instruction/Rule-Based Systems Mathematical Models Probabilistic Models AI-Based Models Machine-Only Decision-Making Autonomous Systems Conclusion Chapter 4: Interpreting Results from Different Methodologies Decision Intelligence Methodology: Mathematical Models Linear Models Nonlinear Models Decision Intelligence Methodology: Probabilistic Models Markov Chain Decision Intelligence Methodology: AI/ML Models Conclusion Chapter 5: Augmenting Decision Intelligence Results into the Business Workflow Challenges Workflow Decision Intelligence Apps How and Why? User-Friendly Interfaces Augmenting AI Predictions to Business Workflow Connect to Business Tools Map the Data Conclusion Chapter 6: Actions, Biases, and Human-in-the-Loop Key Ethical Considerations in AI Actions, Biases, and Human-in-the-Loop Cognitive Biases Why Is Detecting Bias Important? Types What Happens If Bias Is Ignored? Bias Detection What Do Bias Tools Do? Incorporation of Feedback Through Human Intervention How to Build HITL Systems? Example: Customer Churn Conclusion Chapter 7: Case Studies Case Study 1: Telecom Customer Churn Management Case Study 2: Mobile Phone Pricing/Configuration Strategy Conclusion Index
