个人专栏

智能运维（AIOps）之日志数据挖掘

智能运维（AIOps）之根因分析

智能运维 总结

智能运维系列之一：个人对智能运维的理解

智能运维系列之二：什么是人工智能

智能运维系列之三：什么是智能运维

智能运维系列之四：智能运维落地的思路

智能运维系列之五：总结

运维背景知识

A. 运维体系：SRE/CRE

A. 运维体系 --- Devops

A. 运维体系 --- SLA理论体系

A. Google SRE概述

B. Google SRE指导思想

B. Google SRE指导思想 - 拥抱风险

C. Google SRE 实践

C. Google SRE 实践 - 产品发布

D. Google SRE 管理

D. Google SRE 管理 - 培训SRE

D. Google SRE 管理 - SRE参与模式

E. Google SRE 其他行业的经验

智能运维

A. 智能运维纲要

B. 智能运维 --- 质量保障 --- 异常检测 --- 指标异常检测

B. 智能运维 --- 质量保障 --- 异常检测 --- 指标异常检测 --- 框架

B. 智能运维 --- 质量保障 --- 异常检测 --- 指标聚类

B. 智能运维 --- 质量保障 --- 异常检测 --- 指标异常定位

B. 智能运维 --- 质量保障 --- 用户体验 --- 指标分析

B. 智能运维 --- 质量保障 --- 异常检测 --- 日志分析

B. 智能运维 --- 质量保障 --- 根因分析

B. 智能运维 --- 质量保障 --- 故障预测

B. 智能运维 --- 质量保障 --- 混沌工程

B. 智能运维 --- 成本优化 --- 容量规划

B. 智能运维 --- 成本优化 --- 容量规划 --- 案例

C. 智能运维解决方案 --- 微众银行

系统架构

A. 系统架构概要

A. 系统架构概要 --- 分布式系统

A. 系统架构概要 --- 分布式系统 --- 任务调度

A. 系统架构概要 --- 分布式系统 --- 数据处理

A. 系统架构理论基础（分布式）

A. 系统架构理论基础（理论） --- 数据一致性

B. 应用开源项目

B. 系统架构设计步骤

B. 系统重构

C. 高可扩展架构

C. 高可扩展架构 --- 微服务架构

C. 高可用架构

C. 高可用架构 --- 数据完整性

C. 高可用架构 --- 数据完整性 --- Google SRE保障数据完整性的手段

C. 高可用架构 --- 连锁故障处理

C. 高可用架构 --- 限流降级

C. 高性能架构

C. 高性能架构 --- 高性能负载均衡

D. 互联网架构模板

E. 业务场景 --- 秒杀系统

数据工程

A. 数据仓库 --- 概述

B. 数据仓库 --- 建模技术 --- 基本概念

B. 数据仓库 --- 建模技术 --- 建模步骤

B. 数据仓库 --- 建模技术 --- 维度设计

B. 数据仓库 --- 建模技术 --- 事实表

B. 数据仓库 --- 建模技术 --- 事实表 --- 针对事实表的时间跟踪

C. 数据仓库 --- Kimball架构

C. 数据仓库 --- 生命周期

C. 数据仓库 --- ETL

A. 阿里巴巴 数据中台 --- 建设之路

A. 阿里巴巴 数据中台 --- 概述

B. 阿里巴巴 数据中台 --- OneData体系方法论

B. 阿里巴巴 数据中台 --- OneEntity体系方法论 与 OneService体系方法论

B. 阿里巴巴 数据中台 --- 总结

​​​​​​大数据平台 - 整体建设思想

大数据平台 - 其他

E. 数据仓库 --- 数据管理能力成熟度评估模型

人工智能

A. 人工智能 --- 数学基础

A. 人工智能 --- 数学基础（统计学）

A. 人工智能 --- 算法设计步骤

A. 人工智能 --- 算法设计步骤（数据预处理）

C. 人工智能 --- 机器学习 --- 监督学习

C. 人工智能 --- 机器学习 --- 监督学习 - 生成模型VS判别模型

C. 人工智能 --- 机器学习 --- 无监督学习

C. 人工智能 --- 机器学习 --- 半监督学习

C. 人工智能 --- 机器学习 --- 异常检测

C. 人工智能 --- 机器学习 --- 攻防（如何欺骗ML 和 如何防御攻击）

C. 人工智能 --- 机器学习 --- 可解释性

C. 人工智能 --- 迁移学习 - 概述

C. 人工智能 --- 迁移学习 - Domain Adaptation

C. 人工智能 --- 迁移学习 - 元学习

C. 人工智能 --- 迁移学习 - 终身学习

C. 人工智能 --- 强化学习 - 概述

C. 人工智能 --- 强化学习 - 马尔科夫决策过程

C. 人工智能 --- 强化学习 - QLearning

C. 人工智能 --- 强化学习 - 前沿技术

F. 人工智能 --- 教训总结

深度学习

A. 深度学习 --- 概述

B. 深度学习 --- 模型压缩

C. 深度学习 --- 基础组件概述(一) --- 参数调优

C. 深度学习 --- 基础组件概述(二)

C. 深度学习 --- 基础组件概述(三) --- 编码器

D. 深度学习 --- 卷积神经网络

D. 深度学习 --- 递归神经网络

D. 深度学习 --- 图神经网络

E. 深度学习 --- Transformer

E. 深度学习 --- Transformer - BERT

E. 深度学习 --- 生成式对抗网络（GAN） 之概述

E. 深度学习 --- 生成式对抗网络（GAN） 之应用

E. 深度学习 --- 其他

知识图谱

A. 知识图谱 概述

A. 知识图谱 类型

A. 知识图谱 推动条件和驱动因素

B. 知识图谱 知识建模

B. 知识图谱 知识表示（一）

​​​​​​B. 知识图谱 知识表示（二）

C. 知识图谱 知识存储

D. 知识图谱 知识抽取与知识挖掘

E. 知识图谱 融合

F. 知识图谱 知识计算

F. 知识图谱 推理

G. 知识图谱 语义搜索

​​​​​​H. 知识图谱 知识问答

I. 知识图谱 应用案例

I. 知识图谱 应用案例 --- 百度

I. 知识图谱 应用案例 --- 美团

I. 知识图谱 应用案例 --- 阿里巴巴电商知识图谱

J. 知识图谱 知识运维

K. 知识图谱 存在的挑战

# 人工智能
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

cover

风电场智能巡检技术方案：无人机+机器人协同实践

avatar DAMO开发者矩阵

工业AI文献研究_industrial-ai-research

以下为本文档的中文说明工业 AI 文献研究技能，运行一个精简但充分的、源感知的学术研究工作流，专注于工业人工智能领域。它的覆盖范围包括预测性维护、智能调度、工业异常检测、智能制造、信息物理系统、工业自动化边缘 AI、机器人与工业交叉等方向，同时也处理数字孪生、工业物联网、工业 4.0、制造 AI 等相关术语。使用场景包括：研究人员需要系统性地调研某个工业 AI 子课题的文献现状时；工程师需要对比不

avatar DAMO开发者矩阵
cover

[论文学习]Unsafer in Many Turns：工具使用型Agent的多轮安全风险基准测试与防御

avatar DAMO开发者矩阵