認知計算是一項實現人類與計算機協作的技術，通過發現數據中的模式和異常，從而獲得洞察力和知識。《認知計算與大數據分析》對底層的技術進行了綜合性地指導和解釋，比如人工智能、機器學習、自然語言處理及大數據分析，闡述了如何利用這些技術來轉變你的組織。你將從IBM、谷歌、***、日立、戴爾、思科和Numenta等企業的專業解決方案中獲益。本書還詳細介紹了IBM的沃森（Waston）系統，以及它對認知計算發展的影響。認知系統正在開辟計算的新紀元。通過本書，你將獲得應用這一技術所需的理論和實踐指導
1.《認知計算與大數據分析》直擊目前的人工智能和機器智能熱點，對相關內容進行碎片化整合。認知計算是一種實在的方法，能夠支持人們解決機器學習的問題，這將改變市場和產業。
2.《認知計算與大數據分析》沒有試圖去取代許多出色的技術書籍，這些書籍具有獨立主題，比如機器學習、自然語言處理、高級分析、神經網絡、物聯網、分布式計算和云計算。事實上，我們認為明智的做法是，利用本書來理解這些技術是怎么組合的，然后通過探索每個主題的細節來獲得更加深入的學習。
Judith S. Hurwitz是Hurwitz & Associates有限責任公司的總裁兼CEO，也是一位主要的戰略顧問。 Marcia Kaufman是一位首席分析師，也是Hurwitz & Associates公司的COO，主要負責大數據和高級分析，以及信息管理和商業戰略方面的領導工作。Adrian Bowles是STORM Insights股份有限公司的總裁兼CEO。這是一家市場分析公司，為新興技術市場的買方、賣方及投資者提供研究和咨詢服務。
第 1 章 認知計算的基礎 001
1．1 新一代的認知計算 002
1．2 認知系統的使用 002
1．3 系統認知的組成 003
1．4 從數據中獲取信息 004
1．5 作為認知計算基礎的人工智能 006
1．6 理解認知 010
1．7 關于判斷和選擇的兩個系統 012
1．7．1 系統1——自動思考：直覺和偏向 013
1．7．2 系統2——被控制的，以規則為中心且專注的努力 014
1．8 理解系統間的復雜關系 015
1．9 認知系統的元素 017
1．9．1 基礎設施和部署模式 018
1．9．2 數據訪問、元數據和管理服務 018
1．9．3 語料庫、分類系統和數據分類 018
1．9．4 數據分析服務 019
1．9．5 持續機器學習 019
1．9．6 學習的過程 019
1．9．7 呈現與可視化服務 020
1．9．8 認知應用 020
1．10 總結 021
第 2 章 認知系統的設計原則 023
2．1 認知系統的組成 024
2．2 建立語料庫 024
2．3 輸入數據到認知系統 028
2．3．1 利用內部與外部數據源 028
2．3．2 數據訪問和特征提取服務 029
2．3．3 分析服務 030
2．4 機器學習 030
2．4．1 在數據中發現模式 031
2．4．2 監督學習 031
2．4．3 強化學習 033
2．4．4 無監督學習 034
2．5 假設的生成與評定 035
2．5．1 假設生成 036
2．5．2 假設評定 037
2．6 呈現和可視化服務 038
2．7 總結 040
第 3 章 自然語言處理支持下的認知系統 041
3．1 自然語言處理在認知系統中的角色 042
3．1．1 上下文的重要性 042
3．1．2 根據含義關聯詞語 044
3．1．3 理解語言學 045
3．1．4 語言識別和標記 045
3．1．5 音韻學 046
3．1．6 詞態學 046
3．1．7 詞法分析 047
3．1．8 語法和句法分析 047
3．1．9 構式語法 048
3．1．10 話語分析 048
3．1．11 語用學 049
3．1．12 解決結構歧義的技巧 049
3．1．13 隱馬爾可夫模型的重要性 050
3．1．14 語義消歧 051
3．2 語義網 051
3．3 將自然語言技術應用到商業問題 052
3．3．1 改善購物體驗 052
3．3．2 利用物聯網連接的世界 053
3．3．3 顧客的聲音 053
3．3．4 欺詐檢測 054
3．4 總結 055
第 4 章 大數據和認知計算的關系 057
4．1 處理人造數據 057
4．2 定義大數據 058
4．3 大數據結構基礎 059
4．3．1 大數據的物理基礎 059
4．3．2 安全體系結構 060
4．3．3 操作性數據庫 060
4．3．4 數據服務和工具 062
4．4 分析數據倉庫 063
4．5 Hadoop 064
4．6 動態數據和流數據 068
4．7 大數據與傳統數據結合 070
4．8 總結 070
第 5 章 在分類學和本體論中表示知識 071
5．1 表示知識 071
5．2 定義分類學和本體論 073
5．3 解釋如何表示知識 075
5．4 知識表示模型 080
5．4．1 分類學 080
5．4．2 本體論 081
5．4．3 其他知識表示方法 083
5．4．4 持久性和狀態的重要性 084
5．5 實施注意事項 085
5．6 總結 085
第 6 章 應用于認知計算的高級分析方法 087
6．1 高級分析正在向認知計算發展 087
6．2 高級分析的關鍵性能 091
6．2．1 統計學、數據挖掘和機器學習之間的關系 091
6．2．2 在分析過程中使用機器學習 092
6．2．3 預測分析 097
6．2．4 文本分析 099
6．2．5 圖像分析 100
6．2．6 語音分析 102
6．3 使用高級分析創造價值 103
6．4 開源工具對高級分析的影響 105
6．5 總結 105
第 7 章 認知計算中云和分布式計算的作用 107
7．1 利用分布式計算分享資源 107
7．2 為什么云服務是認知計算系統的根本 108
7．3 云計算的特征 108
7．4 云計算模型 109
7．4．1 公共云 110
7．4．2 私有云 111
7．4．3 受管理的服務提供商 112
7．4．4 混合云模型 112
7．5 云的分發模型 115
7．5．1 基礎設施即服務 115
7．5．2 軟件即服務 116
7．5．3 平臺即服務 118
7．6 管理作業負載 118
7．7 安全和治理 119
7．8 云端數據整合和管理 120
7．9 總結 120
第 8 章 認知計算的商業意義 121
8．1 為改變做準備 121
8．2 新顛覆型模式的特點 122
8．3 知識對于商業意味著什么 123
8．4 認知系統方法的特點 124
8．5 通過不同的方式將數據網格化 125
8．6 用商業知識規劃未來 127
8．7 解決商業問題的新方法 129
8．8 創建商業特定解決方案 130
8．9 讓認知計算成為現實 131
8．10 認知應用如何改變市場 131
8．11 總結 132
第 9 章 IBM 沃森（Watson）——一個認知系統 133
9．1 沃森系統的定義 133
9．2 “極限挑戰”促進研究 135
9．3 沃森為《危險邊緣》做準備 135
9．4 沃森為商業應用做準備 137
9．5 DeepQA 結構組成部分 140
9．5．1 構建沃森語料庫：答案和證據來源 141
9．5．2 問題分析 143
9．5．3 假設生成 148
9．5．4 評分和置信度評估 149
9．6 總結 150
第 10 章 建立認知應用的過程 151
10．1 新興的認知平臺 152
10．2 明確對象 153
10．3 明確領域 153
10．4 了解適用對象并明確它們的屬性 154
10．5 明確問題并探索見解 155
10．5．1 典型問答對 156
10．5．2 預知系統 157
10．5．3 獲得相關數據源 158
10．6 建立和更新語料庫 160
10．6．1 準備數據 161
10．6．2 導入數據 161
10．6．3 修改和擴展語料庫 162
10．6．4 管理數據 162
10．7 訓練和測試 163
10．8 總結 165
第 11 章 建立認知醫療系統 167
11．1 醫療認知計算基礎 168
11．2 醫療生態系統的組成 169
11．3 從醫療數據模式中學習 170
11．4 建立大數據分析的基礎 172
11．5 醫療系統的認知應用 172
11．5．1 新興的認知醫療應用的兩種不同方法 173
11．5．2 認知應用中醫療分類學和本體論的作用 173
11．6 開始建立認知醫療系統 174
11．6．1 明確用戶可能會問的問題 174
11．6．2 導入內容來建立語料庫 175
11．6．3 訓練認知系統 176
11．6．4 豐富問題并加入語料庫 176
11．7 使用認知應用來改善健康狀況 177
11．7．1 Welltok 178
11．7．2 GenieMD 181
11．7．3 用戶健康數據平臺 182
11．8 利用認知應用改善電子病歷 182
11．9 利用認知應用改善臨床教學 183
11．10 總結 185
第 12 章 智慧城市：政府管理中的認知計算 187
12．1 城市如何運行 187
12．2 智慧城市的特點 189
12．2．1 為規劃收集數據 190
12．2．2 運作管理 191
12．2．3 安全和威脅管理 192
12．2．4 市民產生的文件和數據的管理 192
12．2．5 跨政府部門的數據一體化 193
12．3 數據公開運動的興起將會為認知城市提供動力 194
12．4 萬物聯網和更智慧的城市 194
12．5 理解數據的所有權和價值 195
12．6 如今城市在主要功能中使用更智能的科技 196
12．6．1 用認知方法管理執法問題 197
12．6．2 智能能源管理：從形象化到分布式 198
12．6．3 利用機器學習保護電網 200
12．6．4 通過認知社區服務提升公眾健康水平 201
12．7 預防性保健更智能化的方法 202
12．8 建立更智能的交通基礎設施 203
12．8．1 發展中城市的交通管理 203
12．8．2 適應性交通信號燈控制計劃 203
12．9 利用分析來彌補員工技能的不足 204
12．9．1 明確新興技能要求和及時培訓 205
12．9．2 數字化入口（DOR）計劃 205
12．9．3 認知計算的機遇 206
12．10 創建認知型社區基礎設施 207
12．10．1 新型智能連接型社區舉措 207
12．10．2 認知計算的機遇 207
12．11 認知型城市的下一發展階段 208
12．12 總結 208
第 13 章 新興認知計算領域 211
13．1 認知計算理想市場的特點 212
13．2 縱向市場和產業 213
13．2．1 零售業 213
13．2．2 旅游業 216
13．2．3 運輸與物流 217
13．2．4 通信業 218
13．2．5 安全與威脅探測 219
13．2．6 認知方法影響的其他領域 220
13．3 總結 222
第 14 章 認知計算的未來應用 223
14．1 下一代的要求 223
14．1．1 利用認知計算提高可預測性 224
14．1．2 知識管理的新生命周期 224
14．1．3 創建直觀的人機接口 224
14．1．4 關于增加最佳實踐封裝的要求 226
14．2 能夠改變認知計算未來的技術進步 226
14．3 未來將如何 227
14．3．1 未來五年 227
14．3．2 放眼長期 229
14．4 新興的創新 230
14．4．1 深度問答與假設生成 231
14．4．2 自然語言處理 231
14．4．3 認知訓練工具 232
14．4．4 數據整合與表示 233
14．4．5 新興的硬件結構 233
14．4．6 自然認知模型的可替代模型 237
14．5 總結 238
縮略語 239
新書資訊