大型组织正在竞相实施先进的数据科学。大多数时候，我们的人工智能尝试变成了走进死胡同的科学项目，从来没有提供可持续的商业价值。我们错过了什么？在本书中，你将发现必须理解和实现的信息架构支柱。只有当数据分析和人工智能能够在整个组织内以可预测和一致的方式提供业务洞见时，它们才能增加价值。本书概述了一种组织、管理和评估数据的有效且实用的方法，这样你就可以建立一个信息架构来更好地推动人工智能和数据科学的发展。通过阅读本书，你将学到：简化数据管理，随时随地提供数据；缩短可运转的AI用例的价值实现时间；使各个企业都能访问AI和数据洞见；动态地实时缩放复杂AI场景；开发能够带来可预测的、可重复的价值的信息架构。

大型组织正在竞相实施先进的数据科学。大多数时候，我们的人工智能尝试变成了走进死胡同的科学项目，从来没有提供可持续的商业价值。我们错过了什么？在本书中，你将发现必须理解和实现的信息架构支柱。只有当数据分析和人工智能能够在整个组织内以可预测和一致的方式提供业务洞见时，它们才能增加价值。本书概述了一种组织、管理和评估数据的有效且实用的方法，这样你就可以建立一个信息架构来更好地推动人工智能和数据科学的发展。通过阅读本书，你将学到：简化数据管理，随时随地提供数据；缩短可运转的AI用例的价值实现时间；使各个企业都能访问AI和数据洞见；动态地实时缩放复杂AI场景；开发能够带来可预测的、可重复的价值的信息架构。

本书从需求规划、需求实现到可视化展示等，遵循项目开发的主要流程，全景介绍了在线教育行业离线数据仓库的搭建过程。在整个数据仓库的搭建过程中，介绍了主要组件的安装部署、需求实现的具体思路、问题的解决方案等，并在其中穿插了许多大数据和数据仓库相关的理论知识，包括数据仓库的概念介绍、在线教育业务概述、数据仓库理论介绍和数据仓库建模等。本书的第1章至第3章是项目前期准备阶段，主要为读者介绍了数据仓库的概念、应用场景和搭建需求等，并初步搭建了数据仓库项目所需的基本环境；第4章至第6章是数据仓库搭建的核心部分，详细讲解了数据仓库建模理论和数据从采集到分层搭建的全过程；第7章和第8章介绍了全流程调度和指标可视化。本书适合具有一定编程基础的读者学习。通过阅读本书，读者可以快速地了解数据仓库，全面掌握数据仓库的相关技术。

本书按照需求规划、需求实现、可视化的流程进行编排，通过项目开发的主要流程，介绍数据仓库的搭建过程。在整个数据仓库的搭建过程中，本书介绍了主要组件的安装部署、需求实现的具体思路，以及各种问题的解决方案等，并在其中穿插了许多与大数据和数据仓库相关的理论知识，包括数据仓库的概念、电商业务概述、数据仓库理论和数据仓库建模等。 本书共14章，其中，第1～3章是项目的前期准备阶段，主要介绍了数据仓库的概念和搭建需求，并初步搭建了本数据仓库项目所需的基本环境；第4～7章是项目的核心部分，详细介绍了数据仓库的建模理论，并完成了数据从采集到分层搭建的全过程，是本书的重点部分；第8～14章是对数据治理各功能模块的实现，针对数据治理的不同功能需求分模块进行实现。 本书适合具有一定编程基础并对大数据感兴趣的读者阅读。通过学习本书，读者可以快速了解数据仓库，全面掌握数据仓库相关技术。

《看板方法：科技企业渐进变革成功之道》由看板方法创始人David J. Anderson亲自编写，是看板方法的奠基之作。看板方法脱胎于丰田生产方式和约束理论，是精益方法的进一步延伸。它将软件开发过程视为一种价值流，并且相信拉动式的管理能产生更好的结果。它通过限制在制品的数量等一系列简单可行的技巧，发现和缓解软件开发过程中的压力和瓶颈，提高生产效率。看板方法的奇妙之处，在于它与企业原有的开发流程无缝结合，在不知不觉中提高生产效率。换句话说，它是一种渐进式的改良，不是翻天覆地的革命，因而更容易被企业接受。实施阻力小且切实有效是看板方法在软件开发社区中迅速流行起来的原因。

《看板方法：科技企业渐进变革成功之道》由看板方法创始人David J. Anderson亲自编写，是看板方法的奠基之作。看板方法脱胎于丰田生产方式和约束理论，是精益方法的进一步延伸。它将软件开发过程视为一种价值流，并且相信拉动式的管理能产生更好的结果。它通过限制在制品的数量等一系列简单可行的技巧，发现和缓解软件开发过程中的压力和瓶颈，提高生产效率。看板方法的奇妙之处，在于它与企业原有的开发流程无缝结合，在不知不觉中提高生产效率。换句话说，它是一种渐进式的改良，不是翻天覆地的革命，因而更容易被企业接受。实施阻力小且切实有效是看板方法在软件开发社区中迅速流行起来的原因。

这是一部从企业架构视角系统讲解企业级数据架构的著作，包含数据架构的原理、方法和实践。 本书拟分为四个部分共17个章节来系统性的阐述数据架构相关内容； 第1部分 架构基础主要包含1个章节 1.数据架构与企业架构 其主要从宏观的角度阐述企业架构与数据架构的关系以及重要性使读者明白数据架构并不是孤立存在的且与企业架构息息相关 第2部分 数据架构基础主要包含5个章节从理论以及工具层面阐述数据架构的构成 2.数据架构构成 介绍数据架构的主要组成以及框架 3.数据存储 数据架构落地中常见的存储选型以及实用场景 4.数据调度与消息传输 数据架构中调度服务以及消息传输的通用技术选型以及可能出现的关键问题以及优化手段 5.Lambda架构与Kappa架构 系统性的阐述主流的两种数据架构以及使用场景 6.辅助类组件 数据架构中帮助测试以及运维人员精准的定位问题的相关辅助组件，例如日志收集、系统监控以及APM等 第3部分 数据架构实践 基于大量的业务实践，总结数据架构实践中核心组组成以及关键方法进行拆解 7.企业数据区域以及流向 以不同的维度去拆解企业的数据，帮助读者构建数据架构的落地层面的意识，知道为什么拆以及如何去拆 8.模型架构详解 以主流的两种建模方法论为切入点，讨论并对比优劣并让读者拓展模型设计中的工具箱。 9.模型设计 以维度建模为例，详细的介绍不同数据层级、不同类型数据的建模方法，具体案例来源于大量的模型实践 10.元数据 了解什么是元数据及其重要性以及如何管理数据 11.数据质量 基于数据质量去设计数据质量监控体系，做好事前防范、事后治理 12.数据标准 构建数据标准框架以及流程，挖掘具体数据标准落地在企业中的难度。 第4部分 数据资产管理 13.企业数据资产 企业数据资产的构成以及搭建路径以及工具等 14.数据治理 结合元数据、数据质量以及数据标准等，系统的阐述数据治理类型项目的落地 15.大数据平台实践 如何一步一步搭建基于Hadoop大数据平台 16.实时数据仓库搭建 如何构建企业级别的实施数据仓库 17.本书总结 总结写书的感悟以及后续的一些想法等

这是一部从企业架构视角系统讲解企业级数据架构的著作，包含数据架构的原理、方法和实践。 本书拟分为四个部分共17个章节来系统性的阐述数据架构相关内容； 第1部分 架构基础主要包含1个章节 1.数据架构与企业架构 其主要从宏观的角度阐述企业架构与数据架构的关系以及重要性使读者明白数据架构并不是孤立存在的且与企业架构息息相关 第2部分 数据架构基础主要包含5个章节从理论以及工具层面阐述数据架构的构成 2.数据架构构成 介绍数据架构的主要组成以及框架 3.数据存储 数据架构落地中常见的存储选型以及实用场景 4.数据调度与消息传输 数据架构中调度服务以及消息传输的通用技术选型以及可能出现的关键问题以及优化手段 5.Lambda架构与Kappa架构 系统性的阐述主流的两种数据架构以及使用场景 6.辅助类组件 数据架构中帮助测试以及运维人员精准的定位问题的相关辅助组件，例如日志收集、系统监控以及APM等 第3部分 数据架构实践 基于大量的业务实践，总结数据架构实践中核心组组成以及关键方法进行拆解 7.企业数据区域以及流向 以不同的维度去拆解企业的数据，帮助读者构建数据架构的落地层面的意识，知道为什么拆以及如何去拆 8.模型架构详解 以主流的两种建模方法论为切入点，讨论并对比优劣并让读者拓展模型设计中的工具箱。 9.模型设计 以维度建模为例，详细的介绍不同数据层级、不同类型数据的建模方法，具体案例来源于大量的模型实践 10.元数据 了解什么是元数据及其重要性以及如何管理数据 11.数据质量 基于数据质量去设计数据质量监控体系，做好事前防范、事后治理 12.数据标准 构建数据标准框架以及流程，挖掘具体数据标准落地在企业中的难度。 第4部分 数据资产管理 13.企业数据资产 企业数据资产的构成以及搭建路径以及工具等 14.数据治理 结合元数据、数据质量以及数据标准等，系统的阐述数据治理类型项目的落地 15.大数据平台实践 如何一步一步搭建基于Hadoop大数据平台 16.实时数据仓库搭建 如何构建企业级别的实施数据仓库 17.本书总结 总结写书的感悟以及后续的一些想法等

《小松模式:全球化经济下企业成功之道》内容简介：工程机械行业乍看起来很不风流倜傥，然而，它却是一个堪称时代风向标的“经济整体的先行指标行业”。但凡工程机械畅销的地方，紧随其后的必将是一个经济飞速发展的浪潮。小松集团（KOMATSU）成立于1921年，是全球最大的工程机械及矿山机械制造企业之一，在全球经济形势风云变幻中，一直屹立不倒。 在进入21世纪之后的头10年里，小松集团经历了两次危机的洗礼，不仅没有倒下，反而越变越强，在经营水平和利润率上远超世界主要竞争对手。它清晰地认识到“以高速增长作为前提的时代已经结束”，并且从容面对全球经济形势的重重危机，这些对于在乐观大形势中一冲30年的中国企业来说，小松模式恐怕更加具有借鉴意义。

《PyTorch深度学习与企业级项目实战》立足于具体的企业级项目开发实践，以通俗易懂的方式详细介绍PyTorch深度学习的基础理论以及相关的必要知识，同时以实际动手操作的方式来引导读者入门人工智能深度学习。本书配套示例项目源代码、数据集、PPT课件与作者微信群答疑服务。 《PyTorch深度学习与企业级项目实战》共分18章，内容主要包括人工智能、机器学习和深度学习之间的关系，深度学习框架PyTorch 2.0的环境搭建，Python数据科学库，深度学习基本原理，PyTorch 2.0入门，以及13个实战项目：迁移学习花朵识别、垃圾分类识别、短期电力负荷预测、空气质量预测、手写数字识别、人脸识别与面部表情识别、图像风格迁移、糖尿病预测、基于GAN 生成动漫人物画像、基于大语言模型的NLP、猴痘病毒识别项目实战、X光肺部感染识别项目实战、乐器声音音频识别项目实战。 《PyTorch深度学习与企业级项目实战》适合PyTorch深度学习初学者、深度学习算法从业培训人员、深度学习应用开发人员阅读，也适合作为高等院校或高职高专深度学习课程的教材。