书名：智能运维之道——基于AI技术的应用实践  
定价：99.0  
ISBN：9787111696803  
作者：钱兵  
版次：1  

内容提要：  

本书是一本介绍智能运维的实战指南，聚焦实际应用场景，通过十余个实战案例，详细讲解每个场景中的痛点、适用的算法、试验和*终方案,系统介绍了AI技术在运维工作中的应用。本书内容分为3部分，第1部分是智能运维、人工智能的概念和发展趋势，包括第1、2章；第2部分是智能运维中需要用到的人工智能技术和算法，包括第3、4、5章；第3部分是智能运维实战案例，包括第6~11章。

本书适合从事企业数字化转型建设工作的一线从业者、管理者，尤其适合在ICT领域从事运维工作的人员学习。

目录：  

第1章智能运维概述/

1.1智能运维的概念/

1.1.1运维与运营的区别/

1.1.2智能运维与开发运维的区别/

1.2智能运维的发展历程及趋势/

1.2.1推动运维工作发展的内外部力量/

1.2.2智能运维的发展历程/

1.2.3智能运维未来发展趋势/

1.3智能运维应用场景/

1.3.1异常检测/

1.3.2根因诊断/

1.3.3故障自愈/

1.3.4事件预警/

1.3.5效能优化/第2章人工智能技术概述/

2.1人工智能的概念及发展历程/

2.2人工智能的核心技术/

2.2.1机器学习/

2.2.2深度学习/

2.2.3自然语言处理/

2.2.4知识工程/

2.2.5机器人/

2.3人工智能技术的应用领域及发展趋势/

2.3.1人工智能应用领域/

2.3.2人工智能发展趋势/第3章智能运维中的关键技术/

3.1数据处理技术/

3.1.1数据离线技术及数据存储技术/

3.1.2数据实时计算及快速响应技术/

3.1.3数据采集及辅助处理技术/

3.1.4大数据技术在智能运维领域面临

的挑战/

3.2知识图谱/

3.2.1知识图谱的基本概念/

3.2.2一般知识图谱的构建流程/

3.2.3知识图谱在智能运维中的应用/

3.3自然语言处理/

3.3.1领域短语挖掘/

3.3.2同义词匹配/

3.3.3命名实体识别/目录////智能运维之道——基于AI技术的应用实践第4章智能运维中的常用算法/

4.1异常检测算法/

4.1.1基于概率模型的检测方法/

4.1.2基于邻近度的检测方法/

4.1.3基于分类的检测方法/

4.1.4基于专家经验的综合评价方法/

4.2根因诊断算法/

4.2.1数据驱动的根因诊断/

4.2.2基于领域知识的根因诊断/

4.3趋势预测算法/

4.3.1数据特征/

4.3.2基于统计方法的线性预测模型/

4.3.3基于机器学习的非线性预测模型

/

4.4事物分类算法/

4.4.1传统事物分类算法/

4.4.2事物分类算法新进展/第5章智能运维——从数据预处理开始/

5.1结构化数据质量监控与预处理/

5.1.1结构化数据质量监控/

5.1.2结构化数据预处理技术/

5.2文本数据预处理与标注/

5.2.1数据清洗/

5.2.2数据标注/

5.3图片数据预处理与标注/

5.3.1智能运维中的视觉任务/

5.3.2图像标注工具/第6章应用聚类算法实现网元智能分类/

6.1LTE网元分类存在的问题/

6.2网元分类算法设计/

6.2.1数据与关键指标选取/

6.2.2数据清洗及平稳性检验/

6.2.3特征生成与选择/

6.2.4聚类算法/

6.3网元初始聚类结果/

6.3.1平稳性检验结果/

6.3.2主成分分析结果/

6.3.3聚类结果/

6.4基于改进后聚类算法的网元分类结果

/

6.4.1原有聚类方法的改进点/

6.4.2数据预处理/

6.4.3特征提取/

6.4.4算法设计/

6.4.5聚类效果/

6.4.6小结/第7章应用有监督/无监督算法实现异常检测/

7.1单指标异常波动检测/

7.1.1异常波动检测的概念/

7.1.2基于统计分布的检测算法/

7.1.3其他检测算法/

7.2单指标异常检测/

7.2.1适用单指标异常检测的算法/

7.2.2算法计算结果/

7.2.3小结/

7.3多指标异常检测/

7.3.1基于有监督算法与无监督算法相

结合检测/

7.3.2基于深度学习检测/

7.3.3基于专家经验的综合评价法检测

/第8章应用知识图谱解决网元异常问题/

8.1网元异常诊断的传统方案/

8.2网元异常诊断知识图谱/

8.2.1知识表示与数据获取/

8.2.2实体关系的抽取与对齐/

8.2.3知识图谱的建立/

8.2.4知识图谱的应用/

8.3应用知识图谱的成效/第9章应用时序模型实现长短期趋势预测/

9.1短周期预测：未来五分钟IPTV

播放用户数的预测/

9.1.1背景介绍/

9.1.2算法选择/

9.1.3参数选择/

9.1.4计算结果/

9.1.5小结/

9.2中周期预测：未来一周网络流量

变化的预测/

9.2.1算法选择/

9.2.2数据预处理/

9.2.3计算结果/

9.2.4小结/

9.3长周期预测：基站扩缩容

预测/

9.3.1算法设计/

9.3.2数据预处理/

9.3.3特征工程/

9.3.4计算结果/

9.3.5小结/第10章应用分类预测模型实现质差设备预见性识别/

10.1物联网NB业务质差预测/

10.1.1需要解决的问题/

10.1.2方案设计/

10.1.3应用效果/

10.1.4小结/

10.2网络设备隐患预测/

10.2.1背景介绍/

10.2.2面临的挑战/

10.2.3在特征较少的条件下进行预测

/

10.2.4在数据粒度较细的条件下进行

预测/

10.2.5小结/第11章应用因果分析实现故障根因定位/

11.1物联网NB业务根因的因果分析/

11.1.1背景介绍/

11.1.2面临的挑战/

11.1.3算法实现/

11.1.4应用效果/

11.1.5小结/

11.2IPTV设备根因的因果分析/

11.2.1背景介绍/

11.2.2算法实现/

11.2.3应用效果/

11.2.4小结/参考文献/