本书是“新一代人工智能系列教材”之一，全面、详细地介绍数据科学的基本问题、前沿技术及应用系统。

本书共分为11章。第1章概述数据科学，介绍数据科学的现有技术与工具；第2章介绍数据治理，包括实体对齐、数据融合和数据清洗；第3章介绍数据定价，包括数据定价机制和模型定价机制；第4章至第7章介绍面向不同数据类型（地理空间数据、度量空间数据、缺失数据和图数据）的管理技术，数据管理旨在根据不同的数据特征，进行建模、存储、索引和查询，服务上层应用；第8章介绍数据查询结果可用性分析技术，旨在通过可用性分析提供用户与查询之间的交互，提升查询结果质量；第9章和第10章介绍数据库技术和人工智能技术的融合，包括数据库支持的AI（DB4AI）技术和AI赋能的数据库（AI4DB）技术，旨在通过两者的融合实现大数据智能，以高效智能地处理大数据；第11章介绍新型数据库管理系统。

本书适合作为高等学校人工智能、大数据等专业本科生、研究生的教材或教学参考书，也可供相关领域的科研人员、工程技术人员和管理人员参考阅读。

前辅文
第1章 引言
  1.1 数据科学概述
   1.1.1 大数据的内涵与特征
   1.1.2 数据科学的发展历史
   1.1.3 数据科学的定义
  1.2 数据预处理
   1.2.1 数据质量
   1.2.2 数据转换
   1.2.3 数据归约
   1.2.4 数据清洗
   1.2.5 数据集成
  1.3 数据计算
   1.3.1 计算模式的发展
   1.3.2 云计算
  1.4 数据管理
   1.4.1 传统数据管理技术与系统
   1.4.2 新型数据管理技术与系统
  1.5 技术与工具
  1.6 本书内容组织
  1.7 本章小结
  参考文献
第2章 数据治理
  2.1 数据治理概述
   2.1.1 基本概念
   2.1.2 典型应用
  2.2 实体解析
   2.2.1 实体解析概述
   2.2.2 关系数据实体解析
   2.2.3 图数据实体解析
  2.3 数据融合
   2.3.1 数据融合概述
   2.3.2 关系数据融合
   2.3.3 知识融合
  2.4 数据清洗
   2.4.1 数据清洗概述
   2.4.2 关系数据清洗
   2.4.3 图数据清洗
  2.5 小结与展望
  2.6 术语表
  2.7 习题
  参考文献
第3章 数据定价
  3.1 数据定价概述
  3.2 数据定价机制
   3.2.1 数据定价机制概述
   3.2.2 基于数据特性定价
   3.2.3 基于价格推断定价
   3.2.4 基于数据效用定价
  3.3 模型定价机制
   3.3.1 基本概念
   3.3.2 基于模型精度定价
   3.3.3 基于差分隐私定价
   3.3.4 训练数据激励机制
  3.4 小结与展望
  3.5 术语表
  3.6 习题
  参考文献
第4章 地理空间数据管理
  4.1 地理空间数据管理概述
   4.1.1 空间数据管理基本概念
   4.1.2 轨迹数据管理基本概念
  4.2 空间数据管理
   4.2.1 空间数据索引
   4.2.2 空间数据区域查询
   4.2.3 空间数据k最近邻查询
   4.2.4 空间数据Skyline查询
   4.2.5 空间数据连接查询
  4.3 轨迹数据管理
   4.3.1 轨迹数据压缩
   4.3.2 轨迹数据度量
   4.3.3 轨迹数据索引
   4.3.4 轨迹数据查询
  4.4 小结与展望
  4.5 术语表
  4.6 习题
  参考文献
第5章 度量空间数据管理
  5.1 度量空间数据管理概述
   5.1.1 基本概念
   5.1.2 典型度量空间
  5.2 度量空间数据索引
   5.2.1 基于支枢点的度量空间数据索引
   5.2.2 基于划分的度量空间数据索引
   5.2.3 混合索引
  5.3 度量空间数据查询
   5.3.1 度量相似性查询
   5.3.2 度量相似连接
   5.3.3 度量Skyline查询
  5.4 小结与展望
  5.5 术语表
  5.6 习题
  参考文献
第6章 缺失数据管理
  6.1 缺失数据管理概述
   6.1.1 基本概念
   6.1.2 缺失数据表达
  6.2 缺失数据补全
   6.2.1 缺失数据补全方法分类
   6.2.2 基于统计技术的补全方法
   6.2.3 基于机器学习的补全方法
   6.2.4 基于深度学习的补全方法
  6.3 缺失数据索引
   6.3.1 位串增强索引
   6.3.2 MOSAIC索引
   6.3.3 位图索引
   6.3.4 向量近似索引
  6.4 缺失数据查询
   6.4.1 缺失数据相似性查询
   6.4.2 缺失数据Skyline查询
   6.4.3 缺失数据Top k支配查询
   6.4.4 缺失数据流排序查询
   6.4.5 基于众包的缺失数据查询
  6.5 小结与展望
  6.6 术语表
  6.7 习题
  参考文献
第7章 图数据管理
  7.1 图数据管理概述
   7.1.1 基本概念
   7.1.2 典型应用
  7.2 图数据查询
   7.2.1 可达性查询
   7.2.2 相似性查询
   7.2.3 模式匹配
   7.2.4 社区搜索
  7.3 图数据挖掘
   7.3.1 社区发现
   7.3.2 图数据聚类
   7.3.3 图数据分类
   7.3.4 频繁子图挖掘
  7.4 小结和展望
  7.5 术语表
  7.6 习题
  参考文献
第8章 数据查询结果可用性分析
  8.1 数据查询结果可用性分析概述
  8.2 Causality与Responsibility问题
   8.2.1 Causality与Responsibility问题定义
   8.2.2 基于CR的概率查询
  8.3 Why not与Why问题
   8.3.1 Why not与Why问题定义
   8.3.2 反Top k查询上的Why not问题
   8.3.3 反Top k查询上的Why问题
  8.4 Why few与Why many问题
   8.4.1 Why few与Why many问题定义
   8.4.2 Why few问题处理方法
   8.4.3 Why many问题处理方法
  8.5 小结与展望
  8.6 术语表
  8.7 习题
  参考文献
第9章 数据库支持的AI技术
  9.1 DB4AI概述
  9.2 AI通用算子优化
   9.2.1 特征工程
   9.2.2 张量操作
   9.2.3 梯度下降
  9.3 模型管理技术
   9.3.1 源模型选择
   9.3.2 模型重用
   9.3.3 模型训练
  9.4 声明式AI系统
   9.4.1 程序设计语言
   9.4.2 编译优化
   9.4.3 异构环境部署
  9.5 小结与展望
  9.6 术语表
  9.7 习题
  参考文献
第10章 AI赋能的数据库技术
  10.1 AI4DB概述
  10.2 AI赋能的数据处理
   10.2.1 学习型索引
   10.2.2 基数估计
   10.2.3 查询优化
  10.3 AI赋能的轨迹数据分析
   10.3.1 轨迹数据深度表征
   10.3.2 轨迹数据智能查询
   10.3.3 轨迹数据深度挖掘
  10.4 AI赋能的图数据分析
   10.4.1 图数据深度表征
   10.4.2 图数据智能查询
   10.4.3 图数据智能挖掘
  10.5 小结与展望
  10.6 术语表
  10.7 习题
  参考文献
第11章 新型数据库管理系统
  11.1 数据库管理系统发展史
   11.1.1 数据库管理系统
   11.1.2 网状数据库管理系统
   11.1.3 层次数据库管理系统
   11.1.4 关系数据库管理系统
  11.2 空间数据库管理系统
   11.2.1 空间数据库系统特性
   11.2.2 PostGIS系统介绍
   11.2.3 PostGIS系统使用案例
  11.3 图数据库管理系统
   11.3.1 图数据库系统特性
   11.3.2 Neo4j数据库系统框架
   11.3.3 Neo4j数据库系统使用案例
  11.4 内存数据库管理系统
   11.4.1 内存数据库系统特性
   11.4.2 Redis数据库系统框架
   11.4.3 Redis数据库系统使用案例
  11.5 云原生数据库管理系统
   11.5.1 云原生数据库系统特性
   11.5.2 PolarDB数据库系统框架
   11.5.3 PolarDB数据库系统使用案例
  11.6 AI原生数据库管理系统
   11.6.1 AI原生数据库系统特性
   11.6.2 GaussDB数据库系统框架
   11.6.3 GaussDB数据库系统使用案例
  11.7 小结与展望
  11.8 术语表
  11.9 习题
  参考文献