聚焦人工智能工程化应用场景与技术细节，手把手教你搭建企业人工智能中台：技术中台、数据中台、业务中台。

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。

2020年6月


前言
这是一本什么样的书
人工智能几乎是近几年最火热的技术名词。
仿佛一夜之间，不谈人工智能就是落伍，不搞人工智能产品就表示没能站在风口上。
但是当很多中小型团队冲入人工智能领域时，他们会发现，一开始以为是“拦路虎”的算法问题并不是最关键的痛点，而找到一个好的人工智能工程化落地场景，以及快速搭建人工智能工程化技术方案，变成了巨大的、难以跨越的鸿沟。
究其本质，取得人工智能核心算法的突破性进展是非常漫长且学术化的行为，尤其是在深度学习领域，有人调侃称，每年发表的论文堆起来比东方明珠塔还高。可以说，深度学习依然是不可解释的、依靠经验调参的“炼金术”。在这种背景下，绝大部分中小型企业并不具备在核心算法上取得突破性进展的能力。
对于绝大部分公司来说，能够找到一个准确的场景来应用人工智能算法，进而实现算法落地，实现人工智能工程化，才是最明智的。这也是本书能够解决的第一个问题——人工智能工程化的应用场景是什么。
本书能够解决的第二个问题是，如何进行工程化。
人工智能领域有着层出不穷的训练框架、算法包、工具，这是技术上的复杂性。另外，人工智能领域还涉及数据标注、算法训练、模型服务化、反馈模型等，这是项目管理上的复杂性。
也许对于算法科学家而言，这些都属于雕虫小技。但是对于绝大部分中小型企业的工程师而言，如果不解决这些复杂的技术细节，那么人工智能工程化就是空谈，人工智能产品化也将无从谈起，或者说，成本极高。
本书聚焦人工智能工程化的应用场景，以及人工智能工程化的技术细节，希望本书能给读者带来一点工程化实践的价值。
本书内容
本书主要介绍人工智能核心算法、人工智能工程化的应用场景，以及搭建人工智能中台的技术方案。全书共分9章，每一章的内容简介如下。
第1章 认识人工智能
人工智能是目前软件行业十分火热的方向之一，本章将介绍人工智能的基本概念、人工智能的常见流派、深度学习的不同种类、人工智能的数学基础，以及人工智能的应用场景。
第2章 人工智能的常见算法
本章将介绍一些人工智能的常见算法，包括线性回归、决策树、支持向量机、K近邻算法、人工神经网络、梯度下降，以及目前大热的卷积神经网络等。
第3章 人工智能与智能制造
制造能力对于企业发展而言非常重要，本章将深入探讨人工智能在智能制造方面的一些应用和前景。
第4章 人工智能与智能设计
随着互联网电商和内容渠道的高速发展和变化，人工智能也开始大展身手，本章将介绍人工智能如何在这些方面为人们提供生产力。
第5章 人工智能中台化战略
企业通常面临着外面市场的快速变化，本章将解答中台化战略是什么、中台化战略的目的是什么，以及中台化战略能解决什么样的问题。
第6章 人工智能中台工程化：数据能力
中台化战略是一个大概念，包含多方面能力。本章将从数据的角度探讨人工智能中台化应该具有哪些能力，并介绍现在的一些工程化方案。
第7章 人工智能中台工程化：硬件能力
数据需要硬件的支撑才能发挥作用，本章将讨论如何构建一个平台来最大限度地提高数据的利用效率。
第8章 人工智能中台工程化：业务能力
企业是围绕着业务运转的，因此如何将业务落实在中台之上是非常重要的。本章将围绕企业业务能力讨论模型服务平台和算法建模平台的构建。
第9章 人工智能中台工程化：平台能力
平台化能提高数据、硬件和业务的利用效率，本章将讨论如何将各种平台能力整合起来，方便企业内部的各个部门使用。