本书共分为五部分。第一部分讨论了人工智能的不同类型，并建立了它们如何工作的知识框架。第二部分介绍了人工智能在银行业、制造业等各个行业中的用例。第三部分主要介绍如何定义和实现企业级人工智能战略，以及如何在这种战略下实现一个成功的人工智能项目。第四部分用一个详细的例子对人工智能的架构、多种应用的技术模式及人工智能模型如何工作进行深入探讨。第五部分聚焦人工智能的未来及它对社会和工作的意义。 本书适合人工智能的从业者、数据分析师，以及想要利用人工智能技术解决商业问题的企业管理者阅读。

1.本书作者是一位美国技术专业人士，在人工智能领域拥有20多年的经验，他使用创新性的人工智能应用、动态*优化、高级分析法和大数据工程帮助许多企业转型及创造可持续的竞争优势。 2.本书是一本实用的AI转型攻略书，采用双重的分析和指导方法，一方面作者站在读者的角度，由浅入深地介绍人工智能相关的理论、技术、算法及应用；另一方面，作者站在企业领导者的角度，深入分析了企业在将人工智能运用到现有运营模型时遇到的挑战，帮助企业领导者建立可扩展的、企业级的人工智能战略所需的合理和必要的步骤，克服企业转型过程中面临的挑战，成功实现数字化转型。 3.本书还是一本AI和商业相结合的书，内容涵盖从基本概念到实际用例，以及对未来发展趋势的分析。希望了解未来AI和商业如何结合的大众和高层管理者都可以阅读。 4.本书具有前瞻性，本书的主题AI是未来的一种趋势，是商业战略中一个越来越重要的工具，本书采用综合性的资源介绍如何发展和实现大规模人工智能组织战略，指导企业理解并抓住人工智能的机遇。

[美]拉希德·哈克（Rashed Haq） 一位美国技术专业人士。现为克鲁斯机器人公司的副总裁，该公司是一家全球领先的的自动驾驶汽车公司。在此之前，他曾任阳狮集团的全球人工智能和数据部门主管及集团副总裁。在过去的20年里，他使用创新性的人工智能应用、动态*优化、高级分析法和大数据工程帮助许多企业转型及创造可持续的竞争优势。拉希德拥有理论物理和数学领域的高等学位。作为一名有才华的作家和广受欢迎的演讲家，拉希德经常撰写关于人工智能在商业中实际应用的文章，并在全球会议上发表关于安全地应用人工智能的演讲。

第 一部分 人工智能简介 1 第 一章　制造业的一场革命 2 四次工业革命的影响 3 人工智能的神话和现实 5 数据和算法的良性循环 5 正在进行的革命——为什么是现在 6 人工智能：你的竞争优势 10 注释 11 第二章　人工智能是什么，它是怎样工作的 13 狭义人工智能的发展 14 第 一个神经网络 15 机器学习 16 监督式、非监督式和半监督式学习 22 让数据更有效 25 语义推理 26 人工智能的应用 30 注释 31 第二部分　企业中的人工智能 33 第三章　电子商务和零售业中的人工智能 34 数字广告 35 市场营销与用户获取 36 交叉销售、向上销售和忠诚度 40 企业与企业之间的客户智能 42 动态定价与供应链优化 43 数字助理和客户参与度 45 注释 49 第四章　金融服务中的人工智能 50 反洗钱 51 贷款及信用风险 53 预测性服务和建议 54 算法和自动交易 56 投资研究和市场见解 58 自动化业务操作 61 注释 62 第五章　能源和制造业中的人工智能 64 优化工厂运行和资产维护 66 自动化的生产生命周期 68 供应链优化 69 库存管理和物流配送 70 电力预测和需求响应 71 石油开采 73 能源交易 75 注释 76 第六章　医疗保健中的人工智能 77 药物研发 78 临床试验 79 疾病诊断 80 为临终关怀做准备 82 住院护理 84 注释 86 第三部分　建立企业的 AI 能力 89 第七章　发展AI战略 90 互联智能系统的目标 91 AI落地的挑战 92 AI战略组件 95 制定AI战略的步骤 96 另外的一些组装工作 98 注释 102 第八章　AI生命周期 103 用例定义 104 收集、评估和补救数据 107 选择和训练模型 113 管理模型 119 测试、部署和激活模型 121 总结 125 第九章　构建完美的人工智能引擎 126 AI平台与AI应用 127 AI平台架构应该做什么 127 一些重要的考虑因素 132 AI平台架构的主要功能组件 137 注释 141 第十章　管理模型风险 142 管理模型风险 144 减少模型的风险 145 模型风险办公室 154 注释 155 第十一章　激活组织能力 157 协调利益相关者 158 组织规模 158 AI 卓越中心 160 标准和项目管理 161 组建项目执行团队 164 招聘与人才管理 166 数据素养、实验及数据驱动的决策 168 总结 170 注释 170 第四部分　深入研究AI架构和建模 171 第十二章　体系结构和技术模式 172 AI平台架构 173 技术模式 178 总结 188 第十三章　AI建模过程 189 定义用例与AI任务 190 选择所需数据 191 创建Notebook环境并导入数据 192 清洗并准备数据 194 利用探索性数据分析来理解数据 196 特征工程 201 创建与选择最佳模型 203 注释 210 第五部分　展望未来 211 第十四章　未来的社会、工作与AI 212 AI与社会的未来 213 AI与工作的未来 214 监管数据与人工智能 216 AI的未来：不断进步的AI技术 218 这仅仅是开始 223 注释 223