第一章  增强智能介绍
  引言
  定义增强智能
  人机协作的目标
  增强智能如何在现实世界中发挥作用
  使用机器智能改进传统应用程序
  历史回顾
  采用增强智能的三个理由
  采用增强智能的理由
    机器智能可以解决人类智能的局限
    人类智能应提供人为治理和控制
  总结：增强智能与人工智能的区别
第二章  支持增强智能的技术基础设施
  引言
  从数据基础设施开始
  云带来的变化有多大
  云改变了一切
  以大数据为基础
  了解大数据基础
  结构化数据与非结构化数据
  机器学习技术
  解决限制因素
  理解机器学习
  什么是机器学习
  从数据中迭代学习
  统计学和数据挖掘在机器学习中的作用
  将机器学习置于上下文中
  机器学习的方法
    有监督学习
    无监督学习
    向深度学习发展
  为增强智能做准备
第三章  数据的周期
  引言
  知识转移
  个性化
  确定构建模型所需的正确数据
  数据周期的阶段
  识别组织内已经存在的数据
  采集额外数据的原因
  数据准备
  为机器学习和人工智能准备数据
    数据探索
    数据清洗
    特征工程
  过拟合与欠拟合
    房价预测模型的过拟合与欠拟合
  从模型开发和部署回到数据采集和准备
第四章  构建支持增强智能的模型
  引言
  解释机器学习模型
  了解机器学习算法的作用
    可检查算法
    黑盒算法
  创建有监督学习的黄金标准
    K最近邻算法
    支持向量机算法
    无监督算法
    理解强化学习和神经网络
    机器学习模型的价值
  总结
第五章  业务流程中的增强智能
  引言
  使用增强智能定义上下文中的业务流程
    弱增强
    理解弱增强
    机器人流程自动化是一种弱增强
    强增强
    强增强：重新设计业务流程
    预测性维护流程中的强增强
    预测性采购流程中的强增强
  与人相关的业务流程中的增强智能
  预测性数字营销活动管理中的强增强
  用增强智能重新定义时尚零售商业模式
    Gap公司改变商业模式，利用算法进行时尚预测
    时尚零售商Stitch Fix改变商业模式，利用算法进行预测
  混合增强
  总结
第六章  增强智能的风险
  引言
  提供上下文并理解
  人为因素
  了解机器学习模型的风险
  数字审计的重要性
  捕获更多数据的风险
  为什么风险难以管控
  七大关键风险
    风险一：过拟合或欠拟合风险
    风险二：变化的业务流程会增加风险
    风险三：偏差风险
    风险四：过度依赖算法的风险
    风险五：缺乏可解释性的风险
    风险六：泄露机密信息的风险
    风险七：团队结构不佳的风险
  总结
第七章  增强智能中治理和道德的重要性
  引言
  定义控制框架
  创建增强智能控制框架
  人工智能控制框架的控制步骤
    进行风险评估
    创建控制活动
    创建监控系统
    数据隐私控制
    组织层面的控制方法
  总结
第八章  增强智能的商业运用
  引言
  业务挑战
  利用颠覆
  颠覆商业模式
  新颠覆性模式的优势
  管理复杂数据
  组建一个混合型团队
  四个阶段的数据成熟度
  构建针对具体业务的解决方案
  使增强智能成为现实
  增强智能如何改变市场
  总结
第九章  开始增强智能之旅
  引言
  确定业务问题
  建立数据文化
  继续推进基础建设
  迈出第一步
  选择一个参考项目
  预警信号
  总结
第十章  预测增强智能的未来
  引言
  治理和合规的未来
  不同工作的出现
  机器将学会培训人类
  识别数据偏差的新技术
  理解未标注数据的新兴技术
  训练数据的新兴技术
  强化学习将获得巨大的进步
  新算法将提高准确性
  分布式数据模型将保护数据
  可解释性将成为一个必要条件
  将业务流程链接到机器学习模型
  总结
参考文献