智能科学研究智能的本质和实现技术， 是由脑科学、认知科学、人工智能等构建的前沿交叉学科。脑科学研究自然智能机理，建立脑模型，揭示人脑的本质；认知科学研究人类感知、学习、记忆、思维、意识等心智活动；人工智能研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能。本书系统地介绍了智能科学的概念和方法。全书共分12章。本书可以作为高等院校计算机、自动化、人工智能、智能科学等相关专业的本科生教材，也可供高职培训教材。

本书描述了数据的混杂特性、当前关于首席数据官报告体系的分歧、自适应规划的需求、平衡的实现以及特定的新执行模型；介绍了首席数据官过程改进框架，通过数据管理知识体系和数据管理成熟度模型描述了数据领导者使用的核心概念、技术和策略以及集成；描述了在当前领导者之外维持数据和实践改进所需的关键角色，以及首席数据官在其组织中实施解决方案时可能会面临的问题；*后描述了在公共领域正在进行的工作及将对公共和私营部门产生的影响。通过这本书，有助于首席数据官为他们的组织创造以数据为中心的价值，适合从事大数据、数据管理的人士阅读。

大数据时代，各行各业积累的数据不断增多，海量数据经过清洗、整理以后，基于分析与挖掘工作，才能获取到有用的数据信息，挖掘到数据背后的价值，掌握大数据的规律。而数据分析与挖掘的核心工作即是数据建模。数据建模，通俗地说，就是通过建立数据科学模型的手段解决现实问题的过程。《BR》本书共分为五章，内容包括数据建模概述、数据建模常用数据计算软件MATLAB和SPSS入门介绍、数据建模方法、实战案例分析等。本书注重理论与实践相结合，不仅有详细的数据建模理论方法，还有赛题案例，以及非常详细的程序代码，让读者既能具备数据建模理论的基础，又能掌握解决数据建模问题的技巧与方法，还能轻松应对大数据问题的编程计算。

这是一本用精益思想指导企业以数据为核心进行数字化转型的著作，它将帮助企业事半功倍地找到正确的数字化转型战略、方法与路径。作者结合自己20余年的实战经验，将精益思想与数据利用深度融合，总结了一套从业务目标出发，以价值场景为抓手，以数据为驱动的精益数据方法论。进一步以该方法论为基础，衍生出精益数据花瓣模型、精益数字化转型三步法、数据驱动的六大能力模型，精益数字化转型共创工作坊，四大精益数据画布，数据驱动的成熟度评估模型，从认知到实践、从工具到方法，从路径到指南，全方位指导企业将数字化转型落地，在数字化转型大浪潮中有里程碑意义。本书的核心内容围绕精益数据方法论展开，该方法论分为精益数据宣言、精益数字化企业、精益数字化转型路径、精益数据共创工作坊4个模块。（1）精益数据宣言包含精益数据的价值观和和精益数据生产的的10条原则，这是精益数据方法的纲领，也是构建数据驱动的组织文化的认知共识。（2）精益数字化企业详细讲解了打造数据驱动业务的六大模块：精益数据战略、精益数据产品、精益数据治理、数据协同创新、数据中台、数据驱动的组织文化，给出了详细的操作指引。（3）精益数字化转型路径详细讲解了精益数字化转型的三大路径：探索规划、设计构建、运营优化和价值驱动，以业务场景为抓手，以数据为核心要素，快速启动，小步快走的实施理念。创造性的提出了先探索价值场景，根据场景的确定性和不确定性分别进行顶层设计的思路，大幅度消除了传统规划方法的浪费，从而能够快速进入实施和价值落地的阶段。（4）精益数据共创工作坊本书创造性地将桌游、卡牌和数字化转型融合在一起，发明了卡牌式数字化转型剧本杀，以10类卡牌为工具，帮助企业梳理出有价值的业务场景，让业务人员和技术人员沉浸式共创，通过排列组合，价值排序的体系化方法，产出业务目标、数据资产蓝图、数字技术蓝图、转型路线规划、项目清单和保障措施，最终达成一致，快速启动。这也是业界独特的卡牌式轻型数据战略制定方法，在众多企业尝试，获得了不错的效果和反馈。 本书不仅在方法论角度有独创性和系统性，而且非常注重实操，深度剖析了Netflix、富国银行、字节跳动等国际知名企业以及作者深度主导和参与的国内大型多元化集团的数字化转型案例。

暂缺简介...

《大数据复杂查询技术研究》比较全面地介绍云数据管理中多维索引与复杂查询、云环境下针对物联网数据的多维索引技术、可扩展的空间关键字查询、基于Map Reduce的概率集合相似性连接查询、大规模高维向量相似性连接查询、Top-k相似性连接查询、基于随机映射的相似性连接查询、相似性连接查询其他问题、大数据复杂查询面临的挑战等内容。力求向读者系统展示大数据复杂查询领域的最新研究动态，希望能够为从事相关研究的广大读者提供有益的参考和帮助，同时能够为大数据复杂查询相关理论与技术的发展起到一定的促进作用。

大数据知识工程旨在从大数据中获取知识、表示知识，并基于这些知识进行推理计算，解决大数据背景下的实际工程问题。大数据知识工程是信息化迈向智能化的必由之路。《大数据知识工程》全面系统地介绍大数据知识工程的有关内容。《大数据知识工程》共9章，第1章介绍大数据知识工程的背景；第2章介绍大数据知识工程的“三跨”特点及面临的“散、杂、乱”挑战；第3～6章介绍知识表示、知识获取与融合、知识表征学习、知识推理四个核心环节；第7章介绍教育、税务、网络舆情领域的大数据知识工程应用；第8章指出未来研究方向；第9章对《大数据知识工程》进行总结。

计算广告是目前大数据思维与技术发展最成熟、市场规模最大的应用领域之一，致力于解决的核心问题是广告、场景、用户三者之间的最优匹配，而计算广告学涉及自然语言处理、数据挖掘以及竞价营销、创意设计等诸多学科的融合。《计算广告学》以营销智能国家新一代人工智能开放创新平台为基础，从观察者、研究者和实践者的视角，对数字化时代背景下的媒介环境变革，计算广告的背景、内涵、商业模式、关键技术等进行全面阐述，为业内外人士理解并涉足计算广告领域提供有效路径。

数据要素是新型生产要素之一，因其蕴含着巨大价值，其重要性被提到了新的高度，但其理论体系尚未完全形成，全生命周期各个环节的理论和技术还在不断探索中。《数据要素概论及案例分析》以数据要素知识体系构建和数据要素价值的发掘应用为主线，从理论和行业案例两个方面，对数据要素生命周期涉及的基础理论、概念和方法及数据要素驱动业务发展行业应用案例进行梳理和呈现。基础知识部分包括数据要素的属性、价值、支撑技术，数据要素规范管理、数据确权和交易，以及数据要素市场化配置等内容。行业案例部分从主数据管理实践、数据治理能力提升、数据要素驱动业务创新应用、数据要素催生创新模式四个方面梳理了21个案例，旨在通过多个行业领域的应用案例分析来帮助数据要素相关理论知识的理解和应用。

本书基于流行稳定版Flink 1.13进行讲解，从Flink数据处理思想开始讲起，带领读者深入理解Flink的基本架构，进而由浅入深结合具体案例进行讲解，详细剖析了Flink中DataStream API的使用，并对Flink中的时间语义、状态、容错机制等重要概念进行了详尽的阐释。同时，本书还对实际开发过程中常用的Flink SQL、CEP等高层级API进行了细致讲解，以电商网站中的实际应用为场景，提供了大量的代码实现。本书分为12章：第1～5章，带领读者初步认识Flink并编写基本的Flink程序；第6～10章，深入探讨了Flink内部的高级应用。第11～12章，讲解了Flink提供的扩展功能。本书适用于大数据的学习者与从业人员，以及院校大数据相关专业的学生，也是大数据学习的必备书籍。