无数据，不AI。而没有统一完整的基础数据资源平台管理，AIOps也无从谈起。基础运维数据资源平台是AIOps的数据基石，也是未来支撑企业数据战略的两大数据平台之一。构建数据平台需要数据治理工作的保驾护航。然而在运维数据治理领域开展数据治理工作尚属空白，缺乏理论体系支撑和值得借鉴的成功经验。本书在分析运维数据治理与传统数据治理的差异化特点基础上，对于数据治理的DAMA理论体系在运维数据管理领域实现了在广义元数据管理、广义数据标准、广义数据模型等理论突破，创造性的提出运维数据模型建设，为运维数据治理构建了体系化理论并提供了具有方法论支撑的完整蓝图。同时，就运维数据平台建设本书也分享了基于数据模型实体库的概要设计，以数据湖为基础，包含运维数据中台建设的架构规划。本书还在工业运维领域略作延展，分析工业运维数据模型的差异化特点，就包括数字孪生、时空数据等关键工业技术为核心的物理融合技术做了介绍，提出了开展智能工业运维的必要内容。

本书是一部系统阐述人工智能与大数据融合发展的专业著作。本书从人工智能发展的历史进程出发，解读了深度学习革命的成功与挑战，以及大数据技术体系的核心特征。在数据价值与治理方面，本书构建了完整的数据治理方法论体系，涵盖数据资产管理、价值挖掘、安全与隐私保护等关键环节，并通过典型案例展示了数据治理在企业管理中的实际效果。书中详细介绍了大数据技术在科研项目管理、军事应用、电子政务、金融、工业、生物医药、交通运输等多个领域的深度应用实践。本书系统梳理了人工智能技术方法论的演进历程，从传统的经验范式、结构范式、行为范式到新兴的数据范式、综合或集成范式、类脑范式等。产业智能化转型部分深入探讨了智能制造、智慧城市、智能医疗、智能金融等八大应用场景，分析了人工智能推动商业变革的机遇与挑战。本书还深度关注人工智能与大数据的伦理治理问题，系统分析了各国政府和国际组织的伦理实践，构建了人工智能伦理治理的技术框架。最后，本书展望了人工智能的未来发展，介绍了人工智能核心技术的五大演进趋势，深入分析了智能机器人、通用人工智能、量子计算、脑机接口等前沿技术，以及它们对产业变革的深远影响。 本书理论与实践并重，可为政府决策者、企业管理者、技术人员和研究学者提供把握智能时代发展方向的重要参考。

本书将从一个管理者的视角，从大数据的基本概念开始，循序渐进地介绍相关工具、企业数据工程的主要活动、数据团队建设以及相关的管理支持。TalkingData的十余位一线员工根据自己所在岗位的经验知识，参与了全书的编写工作，他们是（排名不分先后）：何香萍，马斋，李正伟，杨慧，王俊，何坤，孔元明，姜伟，王福胜，潘松柏，卢健，张学敏，曾晓春，张宁，徐岷峰，周海鹏，吕博卿。他们不仅贡献了专业的要点知识，也融入了工作中的实战经验，知识点与案例反复穿插，增加了本书的实践价值。希望通过此书，管理者能够建立起智能企业的定位，业内专业人士能够有更清晰的战略全景和逻辑脉络。

本书围绕智能投顾的前世与今生、概念与理论、商业模式与技术、智能投顾的监管、生态以及未来发展趋势进行归纳与分析。全书共9章。第1章阐释智能投顾的诞生，涉及金融科技概念、人工智能概念等；第2章介绍智能投顾涉及的技术、覆盖范围等；第3章阐释智能投顾的概念及投资流程；第4～6章从微观角度介绍智能投顾的商业模式与技术支持，涉及智能投顾的服务对象、投资标的、推广，传统经济学、统计学、行为学背景下智能投顾中的投资理论，以及人工智能和金融科技背景下智能投顾的前沿金融智能技术；第7章和第8章从宏观角度介绍智能投顾的政策支持与生态系统；第9章对智能投顾做出总结和展望。 本书内容丰富，观点超然，案例典型，结构清晰，适合对智能投顾感兴趣的从业者、研究人员、爱好者阅读。

本书跟从大数据和人工智能应用的融合之路，通过分析和解读整个数据驱动智能核心技术，希望能给读者提供一个大数据智能核心技术体系的入门学习和应用参考指南。本书前半部分内容重在核心技术解读：包括大数据智能的概论、大数据智能核心技术体系的多维解读、深度学习关键技术要点的分析，大数据智能应用三段论和敏捷大数据方法论的提出等内容。后半部分内容重在应用实践的探讨，深入分析了当前大数据智能独角兽Palantir、AlphaGo、Watson等核心产品和技术，并从个人学习到工程实践，从企业应用到政府治理，从业务理解到技术选型等多个层面，逐一解读大数据智能技术在学习、应用过程中面临的关键问题、陷阱，并给出参考意见。本书通过核心技术解读帮助读者学习、理解、应用大数据智能，具有重要的参考价值。本书适合的读者包括关注大数据和人工智能相关技术领域的在校学生、个人学习者和研发工程师、技术主管、企业高管、政府管理人员等。

德国将工业4.0上升为民族战略，英国强势推出“英国工业2025战略”；“中国制造2025”发布引起全民轰动，第四次工业科技革命呼之欲出。在这场科技革命中，智能制造无疑将成为世界各国竞争的新战场。大量的工业大数据在中国汇集，无疑给中国的智能制造带来好的资源优势。只有充分利用这一资源，才能弥补中国在装备制造和核心零部件等方面的弱势与短板，可以这么说，大数据将是中国搭上第四次科技革命快车的大资本。本书分为3个篇章：导引篇、案例分析篇和专家访谈篇。在导引篇里，本书从利用大数据从解决问题到避免问题、利用大数据预测隐性问题和利用反向工程来重新定义制造等3个方向入手，清晰地阐述了大数据与智能制造的关系。接下来，按照这3个方向，本书引用了17个案例进行详细分析，使读者在接触概念和理论之后，通过真实、有效的案例能够对大数据推动智能制造的发展有一个更加明确和直观的认识。在专家访谈篇中，本书精心策划了由经济学家、学院派教授、媒体人士、企业代表组成的专家访谈团队，使不同背景、不同领域的专家访谈为读者带来不一样的视角。本书适合对大数据、中国制造领域的研究者们阅读，也适合对这些领域感兴趣的社会人士阅读。

中国智能家居产业发展至今，尚没有一本出版物对行业进行专业的盘点和展望。本书旨在从技术、应用、生态圈、用户等角度，对行业和市场进行深入浅出的分析，在并此基础上，探讨行业发展趋势，为众多智能家居从业者提供具有价值的发展思路和解决方案。

本书聚焦于个人层面的信用违约技术研究、风险预警与监控系统的实现，但其中的技术也可以便捷地应用于企业征信。全书由浅入深、循序渐进地讲述了大数据时代下的征信技术。 全书分为三个部分，第一部分是基础技术研究，介绍了征信业务中多源、多模态数据的融合 方法，以及大数据征信模型的归因分析与解释性研究；第二部分是信用评估技术研究，包括 大数据征信场景下时序数据的挖掘与分析，违约风险评估预警技术，以及不同区域的差异性 对于信用情况的影响；第三部分聚焦于信用评估系统研发，从全局角度描述了一个信用评估 与监控预警系统的实现。

本书分为两个部分，共12章。第1章到第5章介绍了大数据的本体论、机器学习的基本理论等内容，为具体场景、算法的实践奠定了基础。读者可以了解到，在工程实践中，对大数据的处理、转化方式与人类学习知识并将其转化为实践的过程是多么相似。在对机器学习的介绍中，会对其数学原理、训练过程做基本的讲解，并辅以代码帮助读者了解真实场景中技术工具的使用。第6章到第12章提供了多个不同的用例，章节之间彼此独立，介绍了如何用人工智能技术（自然语言处理、模糊系统、遗传编程、群体智能、强化学习、网络安全、认知计算）实现大数据自动化解决方案。如果读者对 Java 编程语言、分布式计算框架、各种机器学习算法有一定的了解，那么本书可以帮助你建立一个全局观，从更广阔的视角来看待人工智能技术在大数据中的应用。如果读者对上述知识一无所知，但是对大数据人工智能的技术、业务非常感兴趣，那么可以通过本书获得从零到一的认知提升。