工业大数据分析指南
| 作者 |
| 工业互联网产业联盟 等 |
| 丛书名 |
| 工业互联网丛书 |
| 出版社 |
| 电子工业出版社 |
| ISBN |
| 9787121373329 |
| 简要 |
| 简介 |
| 内容简介 如今，全球掀起了以制造业转型升级为首要任务的新一轮工业变革，工业大数据通过云计算、物联网、人工智能等技术引领新一轮科技革命，拉动工业经济的创新发展。工业大数据分析技术作为工业大数据的核心技术之一，可使工业大数据产品具备海量数据的挖掘能力、多源数据的集成能力、多类型知识的建模能力、多业务场景的分析能力、多领域知识的发掘能力等，对驱动企业业务创新和转型升级具有重大的作用。 本书围绕着工业大数据分析”这一重要议题，对通用的工业大数据分析方法和分析流程进行归纳总结，对其关键共性进行辨识、抽象和提升，而非针对某一特定行业、企业或产品进行阐述。本书从工业大数据分析的概念、特殊性以及常见的问题入手，提出了工业大数据分析框架，并详细阐述了业务理解、数据理解、数据准备、数据建模、模型验证与评估、模型部署这6个工业大数据分析的基本步骤，最后对工业大数据分析的未来进行了展望，为工业大数据分析相关技术研发、设计建模和应用落地提供了理论依据和标准化方法。 |
| 目录 |
| ／Contents 第1章 工业大数据分析概论 /001 1.1 工业大数据分析概述 /002 1.2 工业大数据分析的特殊性 /011 1.3 工业大数据分析中的常见问题 /015 第2章 工业大数据分析框架 /019 2.1 CRISP-DM模型 /020 2.2 CRISP-DM模型落地的难点 /022 2.3 工业大数据分析的指导思想 /024 第3章 业务理解 /027 3.1 认识工业对象 /028 3.2 理解数据分析的需求 /032 3.3 工业数据分析目标的评估 /035 3.4 产品全生命周期 /038 第4章 数据理解 /041 4.1 数据来源 /042 4.2 数据的分类及相互关系 /046 4.3 数据质量 /049 第5章 数据准备 /053 5.1 业务系统的数据准备 /054 5.2 工业企业的数据准备 /056 5.3 物联网的数据准备 /058 5.4 建模分析的数据准备 /060 第6章 数据建模 /065 6.1 模型的形式化描述 /066 6.2 工业建模的基本过程 /070 6.3 工业建模的特征工程 /073 6.4 工业大数据分析的算法介绍 /077 第7章 模型的验证与评估 /085 7.1 知识的质量 /086 7.2 传统数据分析方法及其存在的问题 /088 7.3 基于领域知识的模型验证与评估 /091 7.4 总结与展望 /095 第8章 模型的部署 /097 8.1 模型部署前应考虑的问题 /098 8.2 实施和运行中的问题 /101 8.3 问题的解决方法 /103 8.4 部署后的持续优化 /105 第9章 展望未来 /107 |
有问题微信扫码联系