[
-
内容大纲
本书主要讲解智能供应链领域的数据科学知识与行业实践案例，涵盖了数据科学的理论基础，并通过实际案例具体介绍如何运用数据科学方法解决企业遇到的问题。其中，理论篇讲解了供应链领域的数据科学知识，包括数据预处理、特征工程、数据挖掘及效果验证等内容；实战篇从收入、效率、成本和体验四个维度，深入探讨了供应链领域的实际业务应用，如智能定价、单量增长、销量预测、智能存储、库存优化和客服保障等。书中的每个实践案例均涵盖从业务背景介绍、数据收集、数据预处理、模型构建到模型结果的全过程，并附带具体的实现代码，帮助读者在实操中加深对理论的理解，提升读者运用数据科学解决供应链实际问题的能力。 -
作者介绍
庄晓天 美国亚利桑那州立大学博士，北京市人工智能高级工程师，北京理工大学、上海交通大学、西安交通大学、北京交通大学、北京邮电大学、东南大学研究生校外导师，中国科学院大学MBA导师。曾在国际SCI期刊、会议发表20余篇论文，国家专利授权30余项。 曾获得中国物流与采购联合会科技创新人物奖，科技进步一、二、三等奖，国家邮政局邮政行业科技英才，邮政行业科学技术一、二、三等奖。多次在供应链、物流、人工智能、运筹优化等领域的行业峰会发表主题演讲，参与多个国家自然科学基金项目，省部级重点科技项目。研究成果得到CCTV2《经济半小时》专项报道。 -
目录
开篇
第1章 智能供应链中的数据科学
1.1 智能供应链的兴起与发展
1.1.1 什么是智能供应链
1.1.2 智能供应链的发展历程
1.2 数据科学的概念与发展
1.2.1 什么是数据科学
1.2.2 数据科学与智能供应链决策的六个阶段
1.2.3 数据科学家的角色与职责
1.3 智能供应链中的数据科学
1.3.1 前期：预测与规划
1.3.2 中期：分析与优化
1.3.3 后期：评估与学习
1.4 本书学习路线
1.4.1 本书的目标
1.4.2 本书的结构
1.4.3 如何阅读本书
理论篇
第2章 数据预处理
2.1 数据探查
2.1.1 单变量探查
2.1.2 多变量探查
2.1.3 因果性探查
2.2 数据清洗
2.2.1 缺失值
2.2.2 异常值
2.2.3 重复值
2.3 数据变换
2.3.1 数据标准化
2.3.2 数据编码
2.3.3 数据变换
2.3.4 数据抽样
2.3.5 数据生成
2.4 数据可视化
2.4.1 直方图
2.4.2 箱线图
2.4.3 散点图
2.4.4 热力图
2.4.5 提琴图
2.4.6 饼图
第3章 特征工程
3.1 特征转换
3.1.1 时序差分
3.1.2 时序平滑
3.1.3 时序分解
3.1.4 滞后特征
3.1.5 滚动特征
3.2 特征交互
3.2.1 线性组合
3.2.2 多项式组合
3.2.3 分组聚合
3.3 特征映射
3.3.1 主成分分析
3.3.2 分箱
第4章 数据挖掘
4.1 回归模型
……
实战篇
同类热销排行榜
[an error occurred while processing this directive]推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...