人工智能工程化 应用落地与中台构建

"适读人群：人工智能相关领域架构师、技术经理、算法工程师。 1.偏重落地：本书作者拥有在企业从事人工智能工程化的实际经验，本书内容偏重从工程化的角度探讨如何让人工智能在企业中落地。 2.本书以实际落地项目为例，从浅到深介绍了在企业中实施人工智能工程化的场景与细节，以及目前人工智能在企业中的优势和劣势。 3.可读性强：相比于学术资料，本书并不要求读者具有深厚的数学功底，作者用尽量浅的数学知识介绍了实施人工智能工程化和搭建AI中台的方法。"

人工智能深刻影响着人类发展，本书将带领读者从工程化的角度了解人工智能。本书第1章和第2章简单介绍了人工智能的基本概念及其常见算法。第3章和第4章从工程化的角度探讨了人工智能与智能制造、人工智能与智能设计。第5～9章重点介绍了人工智能中台的概念，以及在企业中构建人工智能中台的流程。本书适合人工智能相关领域（特别是人工智能产品研发领域）的工程技术人员阅读，对于人工智能科研领域的读者亦有一定的参考价值。

"蒋彪，曾任东京日立情报株式会社软件工程师、苏宁易购DevOps研发中心高级架构师、苏宁人工智能研究院高级架构师，现任福特中国车联网高级产品架构师。《Docker微服务架构实战》作者，发表过多篇技术论文，兼任多所大学客座讲师，在软件研发流程管理、DevOps实践、企业中台构建等领域有独到见解。 王函，资深微服务架构师，拥有15年软件开发、架构设计经验。曾负责研发日本移动音乐门户www.music.jp、淘房365等互联网产品，现投身于国内知名金融机构，从事大规模高并发客户营销系统架构设计相关工作。在微服务架构、云计算、人工智能工程化等技术领域有着深入见解。"

第一部分 认识人工智能及其常见算法
第1章 认识人工智能
1.1 人工智能的基本概念
1.2 人工智能的常见流派
1.3 深度学习的不同种类
1.3.1 监督学习
1.3.2 无监督学习
1.3.3 强化学习
1.4 人工智能的数学基础
1.4.1 线性代数：如何将研究对象形式化
1.4.2 概率论：如何描述统计规律
1.4.3 数理统计：如何以小见大
1.4.4 很优化理论：如何找到很优解
1.4.5 信息论：如何定量度量不确定性
1.4.6 形式逻辑：如何实现抽象推理
1.5 人工智能的应用场景
第2章 人工智能的常见算法
2.1 线性回归
2.2 决策树
2.3 支持向量机
2.4 K近邻算法
2.5 人工神经网络
2.6 神经网络中的梯度下降
2.7 卷积神经网络
第二部分 人工智能应用落地
第3章 人工智能与智能制造
3.1 人工智能与AIOps
3.1.1 业务场景
3.1.2 工程化实践
3.2 人工智能与物流
3.2.1 业务场景
3.2.2 工程化实践
3.3 人工智能与智能驾驶
3.3.1 业务场景
3.3.2 工程化实践
3.4 人工智能与焊点检测
3.4.1 业务场景
3.4.2 工程化实践
第4章 人工智能与智能设计
4.1 人工智能与广告图
4.1.1 业务场景
4.1.2 工程化实践
4.2 人工智能与保险文本设计
4.2.1 业务场景
4.2.2 工程化实践
第三部分 人工智能中台构建
第5章 人工智能中台化战略
5.1 企业架构中的大中台战略
5.2 人工智能中台与数据中台
5.3 人工智能中台使人工智能更具使能
5.4 中小型企业人工智能中台化架构
第6章 人工智能中台工程化：数据能力
6.1 数据标注的平台能力
6.2 数据标注的工程化方案
6.2.1 标注工具
6.2.2 工程化技术
第7章 人工智能中台工程化：硬件能力
7.1 GPU资源调度平台
7.1.1 GPU虚拟化：显卡直通
7.1.2 GPU虚拟化：分时虚拟化
7.2 人工智能业务下GPU资源调度的工程化方案
第8章 人工智能中台工程化：业务能力
8.1 模型服务平台
8.1.1 基于微服务和Python的工程化方案
8.1.2 基于TensorRT的工程化方案
8.2 算法建模平台
第9章 人工智能中台工程化：平台能力
9.1 人工智能统一门户平台
9.2 人工智能中台工程化的另一种选择——Kubeflow