Teoria i praktyka sztucznej inteligencji w przedsiębiorstwie: przepisy i implementacje referencyjne dla marketingu, łańcucha dostaw i operacji produkcyjnych

Opinie czytelników

Książka jest praktycznym przewodnikiem, który pokazuje, w jaki sposób uczenie maszynowe może rozwiązywać wyzwania przedsiębiorstw, zawierając odpowiednie i różnorodne przykłady odpowiednie dla praktyków. Jest przystępna dla czytelników z podstawowym wykształceniem informatycznym lub matematycznym.

Książka zawiera różnorodne, praktyczne przypadki użycia i przejrzyste przykłady kodu. Skutecznie integruje domeny korporacyjne i głębokie uczenie się. Tekst jest dobrze skonstruowany i przystępny, dzięki czemu jest odpowiedni dla osób spoza ról AI & ML. Skupia się na problemach biznesowych i przedstawia różne podejścia do ich rozwiązywania.

W recenzjach nie wymieniono żadnych konkretnych wad, ale książka może nie zaspokoić potrzeb zaawansowanych użytkowników szukających większej głębi technicznej.

(na podstawie 3 opinii czytelników)

Oryginalny tytuł:

The Theory and Practice of Enterprise AI: Recipes and Reference Implementations for Marketing, Supply Chain, and Production Operations

Zawartość książki:

Książka ta stanowi kompleksowy przewodnik po tym, jak marketing, łańcuch dostaw i operacje produkcyjne można ulepszyć za pomocą metod głębokiego uczenia się i uczenia ze wzmocnieniem, a także ich połączenia z tradycyjnymi metodami analitycznymi i optymalizacyjnymi. Książka została napisana z myślą o naukowcach zajmujących się danymi w przedsiębiorstwach i menedżerach ds.

analityki, a także będzie przydatna dla absolwentów badań operacyjnych i statystyki stosowanej. Teoria i praktyka sztucznej inteligencji w przedsiębiorstwie podzielona jest na pięć części. Część I wprowadza podstawowe koncepcje automatyzacji decyzji w przedsiębiorstwie i przedstawia odpowiednie metody uczenia głębokiego i wzmacniającego.

Część II przedstawia przepisy na analitykę i personalizację klientów. Część III opisuje rozwiązania wyszukiwania i rekomendacji, które w dużym stopniu wykorzystują dane dotyczące treści, takie jak teksty i obrazy.

Część IV omawia metody optymalizacji cen i zarządzania zapasami. Wreszcie, część V przedstawia plany wykrywania anomalii i inspekcji wizualnej, które pomagają usprawnić operacje produkcyjne i transportowe.

Przykłady kodu Python są dostępne w uzupełniającym repozytorium online, aby pomóc czytelnikowi w zrozumieniu szczegółów implementacji.