本书旨在帮助数据行业的从业者在 AI 时代提升数据管理和数据技术认知水平，内容覆盖数据价值创造的理论、技术和实践。 本书共 8 章。第 1 章回顾企业数据的发展历史，并讲解现代企业数据组织。第 2 章从多维度解析数据价值的创造路径，包括从构建数字化决策、加速业务创新和推动 AI 变革等视角介绍数据价值创造的方法和成果。第 3 章系统讲解数据管理的方法与技术，包括数据资产管理、数据资产运营、数据平台架构的规划及实践案例。第 4 章讲解数据要素价值化的路径探索，包括数据要素在多行业的应用、基础体系、可信数据流通技术及数据资产入表。第 5 章讲解数据底座的技术与实践，包括数据底座的架构要求、分布式存储技术、分布式计算技术等，以及多种架构介绍。第 6 章讲解数据与 AI 的融合，包括推荐系统、基于 LLM 的数据治理分析、数据标注等。第 7 章介绍企业 AI 应用的方法论与知识融合。第 8 章是数据领域技术趋势与思考，包括数据技术的自主可控、开源技术的发展与挑战、数据中台的发展历程与思考、数据编织技术的原理与展望。 本书适合对大数据技术、数据管理、数据价值、数据与 AI 融合及相关技术感兴趣的读者阅读，尤其适合从事大数据相关工作或旨在推动企业数字化转型的读者阅读。

本书旨在帮助数据行业的从业者在 AI 时代提升数据管理和数据技术认知水平，内容覆盖数据价值创造的理论、技术和实践。 本书共 8 章。第 1 章回顾企业数据的发展历史，并讲解现代企业数据组织。第 2 章从多维度解析数据价值的创造路径，包括从构建数字化决策、加速业务创新和推动 AI 变革等视角介绍数据价值创造的方法和成果。第 3 章系统讲解数据管理的方法与技术，包括数据资产管理、数据资产运营、数据平台架构的规划及实践案例。第 4 章讲解数据要素价值化的路径探索，包括数据要素在多行业的应用、基础体系、可信数据流通技术及数据资产入表。第 5 章讲解数据底座的技术与实践，包括数据底座的架构要求、分布式存储技术、分布式计算技术等，以及多种架构介绍。第 6 章讲解数据与 AI 的融合，包括推荐系统、基于 LLM 的数据治理分析、数据标注等。第 7 章介绍企业 AI 应用的方法论与知识融合。第 8 章是数据领域技术趋势与思考，包括数据技术的自主可控、开源技术的发展与挑战、数据中台的发展历程与思考、数据编织技术的原理与展望。 本书适合对大数据技术、数据管理、数据价值、数据与 AI 融合及相关技术感兴趣的读者阅读，尤其适合从事大数据相关工作或旨在推动企业数字化转型的读者阅读。

本书基于大模型成功赋能AI搜索经验总结，系统梳理AI搜索的实现原理、核心技术、关键工具及模块化实现，带你从0到1搭建专属AI搜索应用，跑通全流程；配套全流程源码，降低开发门槛，轻松构建专属AI搜索应用。 本书共8章。第1章从多个维度分析大模型技术，帮助读者理解其技术变革与应用的本质，最后分析了大模型落地难点，让读者对大模型有全面认知。第2章梳理AI搜索从关键词匹配到语义理解的发展路径，并以LeptonSearch为例解析源码实现，帮读者构建AI搜索的初步认知框架。第3章全面解析查询理解、规划执行、答案内容优化以及答案缓存优化等AI搜索的关键技术，旨在帮助读者深入理解AI搜索系统的内部运作机制与实现。第4章介绍OpenAI API、DeepSeek、LangChain、Milvus等技术及其应用，帮助读者降低开发门槛。第5章讲解如何从零开始构建一个AI搜索系统的后端架构，涵盖后端技术方案设计、基础框架构建，为后续功能开发打好基础。第6章详解AI搜索系统的五大核心模块（实体、分析器、检索器、生成器、过滤器）的功能定位与代码实现，以构建一个结构清晰、职责分明的AI搜索引擎内核。第7章聚焦于系统的自动化调度设计，如动作类的定义与实现、调度器模块的构建，提升系统的智能化水平。第8章详解应用层（DAO操作层、Service逻辑层、Controller接口层）的开发流程，最后提供多个接口实现示例，并通过3个场景来测试AI搜索效果。

本书基于大模型成功赋能AI搜索经验总结，系统梳理AI搜索的实现原理、核心技术、关键工具及模块化实现，带你从0到1搭建专属AI搜索应用，跑通全流程；配套全流程源码，降低开发门槛，轻松构建专属AI搜索应用。 本书共8章。第1章从多个维度分析大模型技术，帮助读者理解其技术变革与应用的本质，最后分析了大模型落地难点，让读者对大模型有全面认知。第2章梳理AI搜索从关键词匹配到语义理解的发展路径，并以LeptonSearch为例解析源码实现，帮读者构建AI搜索的初步认知框架。第3章全面解析查询理解、规划执行、答案内容优化以及答案缓存优化等AI搜索的关键技术，旨在帮助读者深入理解AI搜索系统的内部运作机制与实现。第4章介绍OpenAI API、DeepSeek、LangChain、Milvus等技术及其应用，帮助读者降低开发门槛。第5章讲解如何从零开始构建一个AI搜索系统的后端架构，涵盖后端技术方案设计、基础框架构建，为后续功能开发打好基础。第6章详解AI搜索系统的五大核心模块（实体、分析器、检索器、生成器、过滤器）的功能定位与代码实现，以构建一个结构清晰、职责分明的AI搜索引擎内核。第7章聚焦于系统的自动化调度设计，如动作类的定义与实现、调度器模块的构建，提升系统的智能化水平。第8章详解应用层（DAO操作层、Service逻辑层、Controller接口层）的开发流程，最后提供多个接口实现示例，并通过3个场景来测试AI搜索效果。

大模型在众多领域得到了广泛应用，促进了AI技术的整合和创新。然而，在实际应用过程中，直接将大模型应用于特定行业常常难以达到预期效果。本书详细阐述如何在游戏经营分析场景中利用大模型实现数据体系的建设。 本书分为6个部分，共16章。第1部分主要介绍大模型技术的发展与应用，从大模型的发展现状展开，重点介绍大模型与数据体系的相关知识。第2部分主要介绍大模型下的关键基础设施，涵盖湖仓一体引擎、湖仓的关键技术、实时数据写入和高效数据分析等内容。第3部分主要介绍大模型下的数据资产，围绕数据资产重塑、数据资产标准、数据资产建设、数据资产运营展开。第4部分主要介绍自研领域大模型的技术原理，涵盖领域大模型的基础、需求理解算法、需求匹配算法、需求转译算法等内容。第5部分主要介绍大模型的工程化原理，涉及工程化的基础、技术筹备、建设要点、安全策略等内容。第6部分介绍大模型在游戏领域的应用，通过游戏领域的经营分析案例，系统地阐述如何实现业务需求。 本书适合致力于大模型技术应用的数据工程师阅读，也适合寻求AI自动化编程解决方案的软件开发者阅读，还适合希望利用AI提升业务效率的企业决策者阅读。

大模型在众多领域得到了广泛应用，促进了AI技术的整合和创新。然而，在实际应用过程中，直接将大模型应用于特定行业常常难以达到预期效果。本书详细阐述如何在游戏经营分析场景中利用大模型实现数据体系的建设。 本书分为6个部分，共16章。第1部分主要介绍大模型技术的发展与应用，从大模型的发展现状展开，重点介绍大模型与数据体系的相关知识。第2部分主要介绍大模型下的关键基础设施，涵盖湖仓一体引擎、湖仓的关键技术、实时数据写入和高效数据分析等内容。第3部分主要介绍大模型下的数据资产，围绕数据资产重塑、数据资产标准、数据资产建设、数据资产运营展开。第4部分主要介绍自研领域大模型的技术原理，涵盖领域大模型的基础、需求理解算法、需求匹配算法、需求转译算法等内容。第5部分主要介绍大模型的工程化原理，涉及工程化的基础、技术筹备、建设要点、安全策略等内容。第6部分介绍大模型在游戏领域的应用，通过游戏领域的经营分析案例，系统地阐述如何实现业务需求。 本书适合致力于大模型技术应用的数据工程师阅读，也适合寻求AI自动化编程解决方案的软件开发者阅读，还适合希望利用AI提升业务效率的企业决策者阅读。

本书是一本Android进阶技术与实践应用相结合的书籍，主要从3个方面来组织内容。第一个方面，Android工程构建体系实践与进阶，其中不仅包含了移动数据技术、工具基建进阶、效能进阶，还包含了工具应用进阶、工程构建进阶等内容；第二个方面，对当前移动端前沿技术的探索，包含容器技术、大前端技术和AI技术；第三个方面，移动应用的安全攻防技术和设计模式进阶实践。本书内容全面，侧重实战经验和进阶技能，通过本书不仅能学到最新的移动端技术，以及进阶技术与实践应用相结合的知识，更重要的是能领悟到作者对技术的钻研精神和思维方式，从而帮助Android开发者高效进阶。

人工智能如何为商业赋能？ 随着大数据、物联网和5G等技术的发展，人工智能早已进入我们的生活，并作为核心驱动力，对各行各业进行了深刻的塑造和改变，推动着商业模式、经济结构甚至国家战略的升级革新。 人工智能是未来的发展趋势，这已是共识。但是，我们对人工智能的了解，很多还囿于智能机器人和无人驾驶汽车等吸引眼球的领域，对它之于其他商业领域的价值，缺乏必要的系统化行业落地框架和实践。 浸淫人工智能领域近20年，指导过多家知名企业AI业务的丁磊指出，人工智能不仅仅是一种先进技术，其核心意义是一种分析数据的思维模式。他据此提出AI思维这一模式。这是一种通过数据驱动决策的思维模式，包括数据、模型、算力和业务模式四要素。从数据出发，通过模型和算力形成决策，最终在业务中产生价值。 数据+人工智能+场景=价值。 这本书总结了人工智能优化各类业务、落地实践、创造价值的全过程...(展开全部)

本书由微信公众号：狗熊会创始人王汉生教授（熊大），及其核心团队联合创作完成。本书可以被看作商业分析（business analytics）领域入门级通俗且有趣的读物，深入浅出，雅俗共赏。适合数据分析师、工程师、产品经理、销售、BD、以及数据企业中高管阅读。 本书主要由五章组成。*章介绍了熊大朴素的数据价值观，解读数据与价值的逻辑关系；第二章介绍了*基本的数据可视化方法（统计图表）的规范与有趣应用；第三章介绍了回归分析，通过精彩案例展示了如何将一个业务问题定义成为一个数据可分析问题；第四章介绍了机器学习，可以看作是第三章技术上的一个重要补充；第五章展示了各种常见的非结构化数据分析（文本、图像）的有趣案例。本 书所有案例内容的原始版本、相关数据资源，都可以从微信公众号狗熊会（ID: CluBear）获得。

《实战AI大模型》是一本旨在填补人工智能（AI）领域（特别是AI大模型）理论与实践之间鸿沟的实用手册。书中介绍了AI大模型的基础知识和关键技术，如Transformer、BERT、ALBERT、T5、GPT系列、InstructGPT、ChatGPT、GPT 4、PaLM和视觉模型等，并详细解释了这些模型的技术原理、实际应用以及高性能计算（HPC）技术的使用，如并行计算和内存优化。 同时，《实战AI大模型》还提供了实践案例，详细介绍了如何使用Colossal AI训练各种模型。无论是人工智能初学者还是经验丰富的实践者，都能从本书学到实用的知识和技能，从而在迅速发展的AI领域中找到适合自己的方向。