当大数据遇见物联网 智能决策解决之道PDF|Epub|txt|kindle电子书版本网盘下载

当大数据遇见物联网 智能决策解决之道PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章物联网和决策科学1

1.1了解物联网2

1.2揭秘M2M、物联网、工业物联网和万物互联3

1.3深入挖掘物联网的逻辑堆栈5

1.3.1人6

1.3.2流程7

1.3.3物8

1.3.4数据9

1.4问题的生命周期9

1.5问题的全貌12

1.6解决问题的技术17

1.6.1跨学科方法18

1.6.2问题的体系18

1.7问题解决框架20

1.8小结23

第2章 物联网问题体系研究和用例设计25

2.1资产互联和运营互联25

2.1.1物与智能之物的互联26

2.1.2一个现实生活的场景：资产互联28

2.1.3运营互联——下一场革命30

2.2解析商业用例32

2.2.1解析问题33

2.2.2研究和收集背景信息34

2.2.3根据数据可用性对假设优先排序和构建38

2.2.4验证和改进假设（重复步骤（2）和（3））39

2.2.5吸收结果并呈现解决方案40

2.3感知相关的潜在问题41

2.4设计启发法驱动的假设矩阵41

2.5小结42

第3章 探索性决策科学在物联网中的应用内容和原因45

3.1识别有用数据做出决策45

3.1.1查验假设的数据来源46

3.1.2解决问题时的数据探查工作47

3.1.3特征探索57

3.1.4了解数据全貌58

3.2通过数据（单变量）探索物联网生态系统各个维度61

3.2.1数据显示了什么61

3.2.2探索先前产品66

3.2.3本节小结72

3.3研究数据关系72

3.3.1相关性是什么73

3.3.2探索阶段1的数据维度78

3.4探索性数据分析84

3.4.1那么，应该如何验证发现85

3.4.2假设检验是如何起作用的85

3.4.3验证假设——类别187

3.4.4卡方检验的原理是什么87

3.4.5验证假设——类别291

3.4.6验证假设——类别396

3.4.7假设——类别4100

3.4.8探索性数据分析阶段小结102

3.5根本原因分析102

3.5.1综合结果103

3.5.2可视化洞见105

3.5.3将故事拼接形成完整的解决方案106

3.5.4结论107

3.6小结108

第4章 预测性分析在物联网中的应用109

4.1重新探查问题——接下来是什么109

4.2线性回归——预测连续结果111

4.2.1预测性分析拉开序幕111

4.2.2解决预测问题111

4.2.3解释回归结果115

4.2.4残差、多元R平方、残差标准误差和修正后的R平方118

4.2.5改进预测模型119

4.3决策树127

4.3.1了解决策树128

4.3.2用决策树进行预测建模133

4.4 Logistic回归——预测一个分类结果142

4.4.1什么是Logistic回归143

4.4.2 Logistic回归是如何工作的144

4.4.3扼要概述模型的解释154

4.4.4改进分类模型154

4.5小结167

第5章 利用机器学习增强物联网预测性分析169

5.1机器学习简介169

5.1.1什么是集成建模170

5.1.2为什么要选择集成模型170

5.1.3一个集成模型究竟是如何工作的171

5.2集成建模——随机森林174

5.2.1什么是随机森林174

5.2.2如何在R语言中构建随机森林176

5.3集成建模——XGBoost186

5.4神经网络与深度学习193

5.5汇总结果208

5.5.1快速回顾208

5.5.2从预测建模练习取得的结果209

5.5.3需要注意的几点209

5.6小结209

第6章 决策科学结合物联网的分析速成211

6.1搭建问题的背景信息211

6.1.1真正的问题212

6.1.2接下来做什么212

6.2解析问题并设计方法213

6.2.1构建一个SCQ（即情景-冲突-疑问）方案213

6.2.2研究213

6.2.3太阳能领域的背景信息215

6.2.4设计方法216

6.2.5研究数据全貌217

6.3探索性数据分析与特征工程218

6.3.1能量消耗和能量产生相比结果如何224

6.3.2电池228

6.3.3负载230

6.3.4逆变器232

6.3.5从数据探索练习中学习233

6.3.6简单概括所有的发现和学习收获233

6.3.7解决问题234

6.3.8特征工程235

6.4构建用例的预测模型242

6.5汇总解决方案249

6.6小结249

第7章 规范性科学与决策251

7.1应用一种分层方法和各种测试控制方法战胜业务问题251

7.1.1规范性分析的定义251

7.1.2解决一个规范性分析用例253

7.1.3用规范性的方式去解决用例261

7.2连接问题体系中的各个点264

7.3撰写故事——了解问题体系中相互关联的问题267

7.3.1第一步——即时措施268

7.3.2第二步——未来措施268

7.4实施解决方案270

7.5小结270

第8章 物联网颠覆性创新273

8.1边缘计算／雾计算（Edge computing／Fog computing）273

8.2认知计算——非结构化数据的颠覆性智能278

8.2.1认知计算是如何工作的279

8.2.2认知计算应用在哪些场景中281

8.2.3故事场景281

8.2.4最重要的问题是，所有这些是如何发生的282

8.3下一代机器人和基因组学283

8.3.1机器人——与物联网、机器学习、边缘计算和认知计算共享光明未来283

8.3.2基因组学285

8.3.3基因组学与物联网的关系286

8.4自动驾驶汽车287

8.4.1愿景和灵感287

8.4.2自动驾驶汽车的工作原理287

8.4.3是否遗漏了什么289

8.4.4车辆对环境289

8.4.5车辆对车辆289

8.4.6车辆对基础设施290

8.4.7自动驾驶汽车的未来290

8.5物联网的隐私和安全291

8.5.1漏洞291

8.5.2完整性291

8.5.3隐私292

8.5.4软件基础设施292

8.5.5硬件基础设施292

8.5.6协议基础结构293

8.6小结293

第9章 物联网的光明前景295

9.1物联网商业模式——资产或设备即服务295

9.1.1动机296

9.1.2资产即服务模式的现实生活用例297

9.1.3这个商业模式如何帮助企业298

9.1.4利用决策科学增强资产即服务模式300

9.2智能手表——医疗保健物联网的助推器300

9.2.1决策科学在医疗保健数据中的应用302

9.2.2结语303

9.3智能医疗保健——人类互联到智能人类303

9.4从汽车互联向智能汽车演变305

9.4.1智能加油助手306

9.4.2预测性保养306

9.4.3自主运输306

9.4.4结束语307

9.5小结307