diff --git a/docs/zh/use_case/index.rst b/docs/zh/use_case/index.rst
index dad68512802..0025fba281b 100644
--- a/docs/zh/use_case/index.rst
+++ b/docs/zh/use_case/index.rst
@@ -9,3 +9,4 @@
     pulsar_connector_demo
     kafka_connector_demo
     dolphinscheduler_task_demo
+    talkingdata_demo
diff --git a/docs/zh/use_case/talkingdata_demo.md b/docs/zh/use_case/talkingdata_demo.md
new file mode 100755
index 00000000000..c6af4681cf4
--- /dev/null
+++ b/docs/zh/use_case/talkingdata_demo.md
@@ -0,0 +1,92 @@
+# TalkingData 广告欺诈检测
+
+我们将演示如何使用 [OpenMLDB](https://github.com/4paradigm/OpenMLDB) 与其他开源软件一起开发一个完整的机器学习应用程序，完成 TalkingData 广告欺诈检测挑战（有关此挑战的更多信息请参阅 [Kaggle](https://www.kaggle.com/c/talkingdata-adtracking-fraud-detection/overview)）。
+
+## 准备工作
+
+### OpenMLDB
+
+#### 在 Docker 中运行
+
+我们建议您使用docker来运行此 Demo。OpenMLDB 和依赖项都已安装完毕。
+
+**启动 Docker**
+
+```
+docker run -it 4pdosc/openmldb:0.5.2 bash
+```
+
+#### 在本地运行
+
+下载 OpenMLDB 服务器 pkg，版本>=0.5.0。
+
+安装所有依赖项：
+
+```
+pip install pandas xgboost==1.4.2 sklearn tornado "openmldb>=0.5.0" requests
+```
+
+### 准备数据
+
+我们只使用 `train.csv` 的前10000行作为示例数据，请参见 `demo/talkingdata-adtracking-fraud-detection/train_sample.csv`。
+
+如果你想要测试完整数据，请通过以下方式下载
+
+```
+kaggle competitions download -c talkingdata-adtracking-fraud-detection
+```
+
+并将数据解压缩到 `demo/talkingdata-adtracking-fraud-detection/data` 。然后调用 `train_and_serve.py` 中的 `cut_data()` 方法，制作新的csv样本用于训练。
+
+## 过程
+
+### 启动 OpenMLDB 集群
+
+```
+/work/init.sh
+```
+
+### 启动预测服务器
+
+即使您还没有部署预测服务器，您可以启动它，使用选项 `--no-init`。
+
+```
+python3 /work/talkingdata/predict_server.py --no-init > predict.log 2>&1 &
+```
+
+训练完毕后，您可以发送 post 请求至 `<ip>:<port>/update` 更新预测服务器。
+
+您可以运行 `pkill -9 python3` 命令，关闭后台预测服务器。
+
+### 训练并应用
+
+```
+cd /work/talkingdata
+python3 train_and_serve.py
+```
+
+我们使用 OpenMLDB 提取特征，并通过 xgboost 进行训练，请参见[train\_and\_serve.py](https://github.com/4paradigm/OpenMLDB/blob/main/demo/talkingdata-adtracking-fraud-detection/train_and_serve.py)。
+
+1. 将数据加载到离线存储
+2. 离线特征提取；
+   * ip-day-hour 组合的点击次数 -> 窗口期 1h
+   * ip-app 组合的点击次数 -> 无限窗口期
+   * ip-app-os 组合的点击次数 -> 无限窗口期 
+3. 训练并保存模型
+4. 部署sql
+5. 加载数据到在线存储
+6. 更新预测服务器上的模型
+
+### 预测
+
+向预测服务器发送post请求 `<ip>:<port>/predict` 即可进行一次预测。或者您也可以运行下面的python脚本。
+
+```
+python3 predict.py
+```
+
+## 问答
+
+问：train\_and\_serve.py core dump at SetGPUAttribute...答：预构建的 xgboost python wheel 可能与您计算机中的 openmldb python sdk 不兼容。您应该通过源代码构建xgboost。
+
+进入 xgboost 源代码所在的目录，并执行 `cd python-package && python setup.py install` 或者构建 wheel `python setup.py bdist_wheel`.