☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

編輯推薦

　　

　　《大數據時代》作為“大數據時代的預言傢”，對生活、工作、思維中即將齣現的大變革做齣瞭展望。
　　
　　《智慧社會》則讓我們近距離觸摸到瞭大數據應用，全球大數據說服阿萊剋斯·彭特蘭詳細闡釋瞭大數據如何助力社群經濟、如何掘金互聯網金融、如何掀起個人健康醫療的革命、如何變革可穿戴設備、如何驅動更具創意、更高效的組織、如何構建智慧城市、如何啓動智慧社會。
　　

內容簡介

　　

　　《智慧社會》
　　大數據對於很多人來說並不陌生，當收集海量數據已不再是難題，我們應如何使用這些數據？到底怎樣纔能站上數據之巔，成為數據的主人？
　　也許此時此刻你正佩戴著智能手環，精心收集與自己健康有關的多種數據。但在可穿戴設備之父阿萊剋斯·彭特蘭眼中，將可穿戴設備與健康追蹤歸類在一起是十分狹隘的。未來，將會有越來越多雖沒有被你穿在身上，卻依然可以將你與這個世界數據化的可穿戴設備。在這些可穿戴設備的幫助下，我們將成為“預言大師”，準確地預測誰在牌桌上耍詐，誰能夠取得談判的勝利，甚至自己能否與約會對象擦齣火花。
　　
　　　　《大數據時代》
　　《大數據時代》是國外大數據係統研究的先河之作，本書作者維剋托·邁爾·捨恩伯格被譽為“大數據商業應用一人”，擁有在哈佛大學、牛津大學、耶魯大學和新加坡國立大學等多個互聯網研究重鎮任教的經曆，早在2010年就在《經濟學人》上發布瞭長達14頁對大數據應用的前瞻性研究。　　維剋托·爾耶·捨恩伯格在本書中前瞻性地指齣，大數據帶來的信息風暴正在變革我們的生活、工作和思維，大數據開啓瞭一次重大的時代轉型，並用三個部分講述瞭大數據時代的思維變革、商業變革和管理變革。
　　維剋托很具洞見之處在於，他明確指齣，大數據時代很大的轉變就是，放棄對因果關係的渴求，而取而代之關注相關關係。也就是說隻要知道“是什麼”，而不需要知道“為什麼”。這顛覆瞭韆百年來人類的思維慣例，對人類的認知和與世界交流的方式提齣瞭全新的挑戰。
　　《大數據時代》認為大數據的核心就是預測。大數據將為人類的生活創造亙古未有的可量化的維度。大數據已經成為瞭新發明和新服務的源泉，而更多的改變正蓄勢待發。書中展示瞭榖歌、微軟、IBM、蘋果、facebook、twitter、VISA等大數據先鋒們具有價值的應用案例。
　　

作者簡介

　　阿萊剋斯·彭特蘭（Alex Pentland），全球大數據說服、可穿戴設備之父、MIT人類動力學實驗室主任。
　　在近30年執教生涯中，彭特蘭培養齣瞭50餘位博士，其中一半成長為該研究領域的領軍人物，1/4成為創業公司的創始人，1/4成為業界相關領域的中堅力量；比如榖歌眼鏡的靈魂人物薩德·斯塔那（Thad Starner）等。彭特蘭的實驗室孵化齣瞭30傢以上的高科技企業，比如專注於社會測量的Sociometric Solutions公司。
　　在全球計算科學領域，彭特蘭是被引述次數很多的科學傢之一。2011年，《福布斯》評選他為全球大數據說服，《新聞周刊》稱他是“改變20世紀的100位美國人”之一。2012年，他關於大數據應用的文章獲得《哈佛商業評論》的麥肯锡奬。2008年和2013年，他的研究成果更是兩度摘得《MIT科技評論》“年度十大突破性科學技術”桂冠。

　　維剋托·邁爾-捨恩伯格（Viktor Mayer-Sch·nberger），“大數據時代的預言傢”，他是十餘年潛心研究數據科學的技術說服，他是很早洞見大數據時代發展趨勢的數據科學傢之一，也是很受人尊敬的說服發言人之一。他曾先後任教於世界很著名的幾大互聯網研究學府。現任牛津大學網絡學院互聯網治理與監管專業教授，曾任哈佛大學肯尼迪學院信息監管科研項目負責人，哈佛國傢電子商務研究中網絡監管項目負責人；曾任新加坡國立大學李光耀學院信息與創新策略研究中心主任。並擔任耶魯大學、芝加哥大學、弗吉尼亞大學、聖地亞哥大學、維也納大學的客座教授。

精彩書評

　　

　　★彭特蘭所謂的社會物理學，其實就是強調物質、能量流動之外的第三種流動性：思想、信息的流動性，並進而探討由此帶來的社會結構、認知結構的演化和變遷。他將視角盯在“想法流”上，將其作為看待人類關係構建、社會結構演進的新的視角，在互聯網、特彆是移動互聯網和社交網絡大行其道的今天，這一視角更具有開創意義。

　　——段永朝 財訊傳媒集團首席戰略官

　　

　　★20世紀80年代，當世人聚焦於MIT媒體實驗室時，他在尼葛洛龐帝的影子後播下可穿戴計算的種子；20世紀90年代，當《數字化生存》洛陽紙貴時，他醉心於賽博格（半機器人）和情感計算；21世紀00年代，當物聯網還是無綫傳感網時，他把移動互聯網變成智慧城市的神經係統；21世紀10年代，當人們以為可穿戴計算就是生化學（健康）時，他創立瞭人類動力學和社會物理學；當大數據甚囂塵上時，他宣揚個人數據（小數據）。他一直跨越時代，一直“凝視人類”，他就是阿萊剋斯·彭特蘭。這本扛鼎之作恰好探討瞭我很近關注的幾個問題：組織工程學上如何推動速成組織、應用社會網絡激勵，城市科學上如何創建數字神經係統、驅動社會的物理運行，大數據上如何通過開放的個人數據商店來實現基於信任網絡的數據公地。字字珠璣，令人獲益匪淺。

　　——吳甘沙 英特爾（中國）研究院院長

　　

　　★彭特蘭是MIT人類動力學實驗室主任，被譽為“可穿戴設備之父”。他的《智慧社會》一書是對社會科學的重大挑戰。40年前，彭特蘭還是一個大學生，在幫助美國國傢宇航局開發一個從人造衛星觀測海狸數量的軟件時，彭特蘭發現，海狸太小，難以精確觀測，但通過觀測海狸建造的水壩，能夠推測海狸的數量。40年後，在大數據時代，我們每個人都成瞭彭特蘭想要研究的海狸，通過研究人類在生活中留下的各種數據，彭特蘭能夠找到人們互相交流、閤作的規律。

　　——何帆 中國社會科學院世界經濟與政治研究所 研究員

　　

　　★彭特蘭認為社會智能是決定一個組織的效率和業績很重要的因素，跟其他所有因素加起來一樣重要。那些很有創新能力的是這樣一種人：在想法流中自由探索，在不同的想法流間自如轉換，又能將采集來的觀念或想法在群體溝通中再經篩選，匯成共識，形成決策。在群體層麵，很有創新能力和效率的群體，其結構始終在切換當中。在探索階段，結構呈星型，盡量很多元從外部獲取新的觀念；在整閤和決策階段，結構呈網狀，每個節點與每個節點之間有豐富平等的交流。

　　——王爍 財新傳媒主編

　　

　　★維剋托·邁爾-捨恩伯格教授這本《大數據時代》，是我看到的很好的大數據著作，不僅對於産業實踐者，還是對於政府和公眾機構，都是非常具有價值的。隻要我們以開放的心態、創新的勇氣擁抱“大數據時代”，就一定會抓住曆史賦予中國創新的機會。

　　——田溯寜 寬帶資本董事長

　　

　　★正如邁爾-捨恩伯格教授認為的，大數據要求人們改變對精確性的苛求，轉而追求混雜性；要求人們改變對因果關係的追問，轉而追求相關關係。這種思維的轉變將是革命性的，如果企業不能認識到這一思維方式轉變的重要性和迫切性，將會麵臨 “數據鴻溝”的挑戰。

　　——張亞勤·微軟全球資深副總裁，微軟亞太研發集團主席

　　

　　★過去幾年，在大數據方麵我讀過十幾本書、上百篇論文和文章。相對而言，維剋托的《大數據時代》是迄今為止我讀過的很好的一本專著，中英文都算上。

　　——謝文 中國互聯網發展的重要參與者，知名IT評論人

　　

　　★大數據正把我們變成新的物種。首先，大數據改變瞭我們的思維方式，讓我們從因果關係的串聯思維變成瞭相關關係的並聯思維。第二，大數據改變瞭我們的生産方式，物質産品的生産退居次位，信息産品的加工將成為主要的生産活動。第三，大數據改變瞭我們的生活方式，我們的精神世界和物質世界都將構建在大數據之上。大數據不僅僅是一門技術，更是一種全新的商業模式，它與雲計算共同構成瞭下一代經濟的生態係統。一切皆信息。

　　——郭昕 北京雲基地首席顧問，雲華時代智能科技有限公司董事長

　　

　　★隨著大數據熱潮的不斷升溫，相信今後幾年會有更多以大數據為主題的著作問世。這本先河之作用各種案例生動闡述瞭大數據所帶來的變革。你可以不同意書中的某些觀點，但是大數據所帶來的變革已經開始發生並將繼續深入。我們需要共同麵臨的挑戰是：越來越大的數據如何纔能讓世界變得越來越美麗？

　　——汪小帆 上海交通大學長江學者特聘教授，緻遠學院常務副院長

　　

目錄

《智慧社會》
引言 從想法流到行動力
大數據與社會物理學
第一部分 社會物理學，數據新科學
第01章 探索
第02章 想法流
如何讓好想法形成群體智慧
習慣、偏好和好奇心，想法流的形成
想法流匯聚同伴共享學習的集體智能
集體理性，而非個體理性
想法流，構建社區的關鍵
第03章　 參與
如何強化社群的閤作與互動
想法流，塑造新行為，塑造人性
第二部分 數據驅動的組織
第04章　 群體智慧
互動模式如何轉化為群體智慧
用互動模式測量你的管理
麵對麵互動，提高生産率的關鍵
團隊外部的麵對麵探索模式+團隊內部的參與模式=高創意團隊
社會學習的機會越多，好的想法流越易形成
第05章 塑造組織
互動模式可視化如何提高生産率和創意産齣
第06章 變革組織
社會網絡激勵如何創建速成組織和應對顛覆式變革
……

《大數據時代》目錄
推薦序一 擁抱“大數據時代”
寬帶資本董事長 田溯寜
推薦序二 實實在在大數據
中國互聯網發展的重要參與者，知名IT 評論人
譯者序　在路上·晃晃悠悠
電子科技大學教授，互聯網科學中心主任
引言　一場生活、工作與思維的大變革
大數據開啓瞭一次重大的時代轉型。就像望遠鏡讓我們能夠感受宇宙，顯微鏡讓我們能夠觀測微生物一樣，大數據正在改變我們的生活以及理解世界的方式，成為新發明和新服務的源泉，而更多的改變正蓄勢待發……
第一部分 大數據時代的思維變革
第1章 更多：不是隨機樣本，而是全體數據
當數據處理技術已經發生瞭翻天覆地的變化時，在大數據時代進行抽樣分析就像在汽車時代騎馬一樣。一切都改變瞭，我們需要的是所有的數據，“樣本= 總體”。
讓數據“發聲”
第2章 更雜：不是精確性，而是混雜性
執迷於精確性是信息缺乏時代和模擬時代的産物。隻有5% 的數據是有框架且能適用於傳統數據庫的。如果不接受混亂，剩下95% 的非框架數據都無法被利用，隻有接受不精確性，我們纔能打開一扇從未涉足的世界的窗戶。
允許不精確
大數據的簡單算法比小數據的復雜算法更有效
……

精彩書摘

　　《智慧社會：大數據與社會物理學》：
　　現代科學研究錶明，在人類社會中，閤作與競爭一樣重要和普遍2。同伴之間的協調與閤作是非常強大的塑造力：我們的朋友總是在提醒我們；在體育和商業比賽中需要通過團隊閤作來戰勝其他隊伍；全球各地的人們都會幫助傢人、孩童和老人。事實上，共享的文化和文化規範的整體概念都是基於個體行為的協調。我們再來更仔細地看一下閤作在現代社會中的作用，以及閤作與“人們是無情的競爭者”這一想法相悖的事實。
　　正如我們在《智慧社會：大數據與社會物理學》前麵章節中所看到的那樣，人們相互閤作以建立社會規範，這些規範就是我們所說的文化。事實上，社會中的競爭也許主要是閤作的團隊，而不是個體之間的競爭。而且，每一個機會或威脅會形成不同的團隊。例如，倫敦銀行傢們為瞭賺錢而相互協調，在行業內共享策略和標準。與此類似，紐約的律師具有共享的規範，從而使他們作為一個群體在當地生態係統中蓬勃發展。政治傢創造瞭共享的傳統和方法，以交換金錢利益和公民利益，並同時取悅媒體。在所有這些情形中，定義競爭性互動的正是閤作——關於如何協調我們和同伴行為的隱式或顯式協議。
　　階層與團隊：具有共享規範的團隊與傳統的階層概念是不同的，因為他們不是隻由標準特徵定義的。這些標準特徵包括收入、年齡或性彆（傳統的人口統計特徵），他們的技能和教育程度（按照馬剋斯·韋伯的標準），或者他們與生産資料之間的關係（按照卡爾·馬剋思的標準），等等。然而，團隊成員其實是某種特定情形下的同伴。在某種情形中，一個人所屬的團隊也許是具有相同業餘愛好（例如唱詩班閤唱）的一群人；在另一情形中，團隊也許是包含一群具有類似經曆的人（例如畢業於同一個高中班級）；而在另外一種情形中，一個團隊可能是一群具有同類工作的人（例如消防隊員）。因此，盡管某個人隻屬於一個傳統階層，也可以是多個不同團隊的成員。在每個團隊裏，成員互相學習並因此創造齣一個共享的常識，不同的團隊具有不同的常識，這取決於他們有什麼愛好、他們是從哪裏畢業的、或者他們在哪裏工作，等等。這些團隊不隻是一起工作的經濟同盟，它們也促成瞭對範圍很廣的各種主題的很強的規範，包括生活目標、價值觀，甚至著裝要求。團隊的成員建立起一種整體文化和生活方式，並且又由這些成員將之帶到他們所屬的其他團隊。銀行傢下班後就是母親或是教會領袖的角色，這使得這些團隊也沾上瞭一些銀行傢的文化，反之亦然。通常沒有人是僅由其工作定義的，如果一個人近乎是“單綫條”的話，就會被認為是奇怪的，甚至有點精神錯亂。從這點來看，諸如資産階級、工人階級、民主黨或共和黨之類的政治或經濟標簽通常是對人群不準確的模式化描述，人們事實上有非常多樣化的個體特徵和需求。因此，用階層或政黨等術語對社會進行推理是不精確的，並且可能會導緻錯誤的過度泛化。在現實世界中，隻有當一群人之間既具有較強的互動又互相視彼此為同伴時，他們纔能建立起高度相似的規範。
　　市場與交換：和階層是對流動、重疊的團隊矩陣過度簡化的描述一樣，市場也是一個類似有缺陷的理想化概念，它假設所有的參與者能夠看到其他每個人並且與之平等競爭。事實上，有些人具有更好的連接，有些人則知道更多的東西，由於距離、時機或其他次要因素而使得一些購買行為更睏難。我們在今天的股票市場裏可以看到一個典型的例子：普通人擁有的信息要比職業股票交易商少得多，更復雜的是，職業交易商又比不過計算機化的高頻交易員，後者對價格變化的反應是毫秒級的——我們對自由市場的理想突然變得更為復雜瞭。
　　……
　　《大數據時代》精彩書摘
　　大數據，變革商業　　大數據不僅改變瞭公共衛生領域，整個商業領域都因為大數據而重新洗牌。購買飛機票就是一個很好的例子。　　2003 年，奧倫· 埃齊奧尼（Oren Etzioni）準備乘坐從西雅圖到洛杉磯的飛機去參加弟弟的婚禮。他知道飛機票越早預訂越便宜，於是他在這個大喜日子來臨之前的幾個月，就在網上預訂瞭一張去洛杉磯的機票。在飛機上，埃齊奧尼好奇地問鄰座的乘客花瞭多少錢購買機票。當得知雖然那個人的機票比他買得更晚，但是票價卻比他便宜得多時，他感到非常氣憤。於是，他又詢問瞭另外幾個乘客，結果發現大傢買的票居然都比他的便宜。對大多數人來說，這種被敲竹杠的感覺也許會隨著他們走下飛機而消失。然而，埃齊奧尼是美國最有名的計算機專傢之一，從他擔任華盛頓大學人工智能項目的負責人開始，他創立瞭許多在今天看來非常典型的大數據公司，而那時候還沒有人提齣“大數據”這個概念。　　1994 年，埃齊奧尼幫助創建瞭最早的互聯網搜索引擎MetaCrawler，該引擎後來被InfoSpace 公司收購。他聯閤創立瞭第一個大型比價網站Netbot，後來把它賣給瞭Excite 公司。他創立的從文本中挖掘信息的公司ClearForest則被路透社收購瞭。在他眼中，世界就是一係列的大數據問題，而且他認為他有能力解決這些問題。作為哈佛大學首屆計算機科學專業的本科畢業生，自1986 年畢業以來，他也一直緻力於解決這些問題。　　飛機著陸之後，埃齊奧尼下定決心要幫助人們開發一個係統，用來推測當前網頁上的機票價格是否閤理。作為一種商品，同一架飛機上每個座位的價格本來不應該有差彆。但實際上，價格卻韆差萬彆，其中緣由隻有航空公司自己清楚。　　埃齊奧尼錶示，他不需要去解開機票價格差異的奧秘。他要做的僅僅是預測當前的機票價格在未來一段時間內會上漲還是下降。這個想法是可行的，但操作起來並不是那麼簡單。這個係統需要分析所有特定航綫機票的銷售價格並確定票價與提前購買天數的關係。　　如果一張機票的平均價格呈下降趨勢，係統就會幫助用戶做齣稍後再購票的明智選擇。反過來，如果一張機票的平均價格呈上漲趨勢，係統就會提醒用戶立刻購買該機票。換言之，這是埃齊奧尼針對9 000 米高空開發的一個加強版的信息預測係統。這確實是一個浩大的計算機科學項目。不過，這個項目是可行的。於是，埃齊奧尼開始著手啓動這個項目。埃齊奧尼創立瞭一個預測係統，它幫助虛擬的乘客節省瞭很多錢。這個預測係統建立在41 天內價格波動産生的12 000 個價格樣本基礎之上，而這些信息都是從一個旅遊網站上搜集來的。這個預測係統並不能說明原因，隻能推測會發生什麼。也就是說，它不知道是哪些因素導緻瞭機票價格的波動。機票降價是因為很多沒賣掉的座位、季節性原因，還是所謂的周六晚上不齣門，它都不知道。這個係統隻知道利用其他航班的數據來預測未來機票價格的走勢。“買還是不買，這是一個問題。”埃齊奧尼沉思著。他給這個研究項目取瞭一個非常貼切的名字，叫“哈姆雷特”。　　這個小項目逐漸發展成為一傢得到瞭風險投資基金支持的科技創業公司，名為Farecast。通過預測機票價格的走勢以及增降幅度，Farecast 票價預測工具能幫助消費者抓住最佳購買時機，而在此之前還沒有其他網站能讓消費者獲得這些信息。　　這個係統為瞭保障自身的透明度，會把對機票價格走勢預測的可信度標示齣來，供消費者參考。係統的運轉需要海量數據的支持。為瞭提高預測的準確性，埃齊奧尼找到瞭一個行業機票預訂數據庫。有瞭這個數據庫，係統進行預測時，預測的結果就可以基於美國商業航空産業中，每一條航綫上每一架飛機內的每一個座位一年內的綜閤票價記錄而得齣。如今，Farecast 已經擁有驚人的約2 000 億條飛行數據記錄。利用這種方法，Farecast 為消費者節省瞭一大筆錢。　　棕色的頭發，露齒的笑容，無邪的麵孔，這就是奧倫· 埃齊奧尼。他看上去完全不像是一個會讓航空業損失數百萬潛在收入的人。但事實上，他的目光放得更長遠。2008 年，埃齊奧尼計劃將這項技術應用到其他領域，比如賓館預訂、二手車購買等。隻要這些領域內的産品差異不大，同時存在大幅度的價格差和大量可運用的數據，就都可以應用這項技術。但是在他實現計劃之前，微軟公司找上瞭他並以1.1 億美元的價格收購瞭Farecast 公司。而後，這個係統被並入必應搜索引擎。　　到2012 年為止，Farecast 係統用瞭將近十萬億條價格記錄來幫助預測美國國內航班的票價。　　Farecast 是大數據公司的一個縮影，也代錶瞭當今世界發展的趨勢。五年或者十年之前，奧倫· 埃齊奧尼是無法成立這樣的公司的。他說：“這是不可能的。”那時候他所需要的計算機處理能力和存儲能力太昂貴瞭！雖說技術上的突破是這一切得以發生的主要原因，但也有一些細微而重要的改變正在發生，特彆是人們關於如何使用數據的理念。　　……
　　……

前言/序言

大數據研究和應用重要的兩本書：大數據時代+智慧社會（套裝共2冊） 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

很不錯的書，學習中，，，

評分☆☆☆☆☆

挺好的，就是做到比較難

評分☆☆☆☆☆

還挺不錯的，還挺不錯的

評分☆☆☆☆☆

挺好的，就是做到比較難

評分☆☆☆☆☆

挺好的，速度，服務，我比較滿意

評分☆☆☆☆☆

大數據時代+智慧社會 2本書一起賣而已，還一直沒貨

評分☆☆☆☆☆

很好的書，現在就是大數據時代，洗腦

評分☆☆☆☆☆

滿意

評分☆☆☆☆☆

充電啦！大數據關鍵在於應用，挖掘數據背後的東西。

類似圖書 點擊查看全場最低價

查看全網最低價