《工業大數據分析指南》是2019年10月電子工業出版社出版的圖書，作者是工業網際網路產業聯盟。
基本介紹
- 中文名：工業大數據分析指南
- 作者：工業網際網路產業聯盟
- 出版時間：2019年10月
- 出版社：電子工業出版社
- 頁數：124 頁
- ISBN：9787121373329
- 定價：78 元
- 開本：16 開
內容簡介,目錄,
內容簡介
如今，全球掀起了以製造業轉型升級為首要任務的新一輪工業變革，工業大數據通過雲計算、物聯網、人工智慧等技術引領新一輪科技革命，拉動工業經濟的創新發展。工業大數據分析技術作為工業大數據的核心技術之一，可使工業大數據產品具備海量數據的挖掘能力、多源數據的集成能力、多類型知識的建模能力、多業務場景的分析能力、多領域知識的發掘能力等，對驅動企業業務創新和轉型升級具有重大的作用。 本書圍繞著工業大數據分析”這一重要議題，對通用的工業大數據分析方法和分析流程進行歸納總結，對其關鍵共性進行辨識、抽象和提升，而非針對某一特定行業、企業或產品進行闡述。本書從工業大數據分析的概念、特殊性以及常見的問題入手，提出了工業大數據分析框架，並詳細闡述了業務理解、數據理解、數據準備、數據建模、模型驗證與評估、模型部署這6個工業大數據分析的基本步驟，最後對工業大數據分析的未來進行了展望，為工業大數據分析相關技術研發、設計建模和套用落地提供了理論依據和標準化方法。
目錄
第1章 工業大數據分析概論 /001
1.1 工業大數據分析概述 /002
1.2 工業大數據分析的特殊性 /011
1.3 工業大數據分析中的常見問題 /015
第2章 工業大數據分析框架 /019
2.1 CRISP-DM模型 /020
2.2 CRISP-DM模型落地的難點 /022
2.3 工業大數據分析的指導思想 /024
第3章 業務理解 /027
3.1 認識工業對象 /028
3.2 理解數據分析的需求 /032
3.3 工業數據分析目標的評估 /035
3.4 產品全生命周期 /038
第4章 數據理解 /041
4.1 數據來源 /042
4.2 數據的分類及相互關係 /046
4.3 數據質量 /049
第5章 數據準備 /053
5.1 業務系統的數據準備 /054
5.2 工業企業的數據準備 /056
5.3 物聯網的數據準備 /058
5.4 建模分析的數據準備 /060
第6章 數據建模 /065
6.1 模型的形式化描述 /066
6.2 工業建模的基本過程 /070
6.3 工業建模的特徵工程 /073
6.4 工業大數據分析的算法介紹 /077
第7章 模型的驗證與評估 /085
7.1 知識的質量 /086
7.2 傳統數據分析方法及其存在的問題 /088
7.3 基於領域知識的模型驗證與評估 /091
7.4 總結與展望 /095
第8章 模型的部署 /097
8.1 模型部署前應考慮的問題 /098
8.2 實施和運行中的問題 /101
8.3 問題的解決方法 /103
8.4 部署後的持續最佳化 /105
第9章 展望未來 /107,/Contents
第1章 工業大數據分析概論 /001
1.1 工業大數據分析概述 /002
1.2 工業大數據分析的特殊性 /011
1.3 工業大數據分析中的常見問題 /015
第2章 工業大數據分析框架 /019
2.1 CRISP-DM模型 /020
2.2 CRISP-DM模型落地的難點 /022
2.3 工業大數據分析的指導思想 /024
第3章 業務理解 /027
3.1 認識工業對象 /028
3.2 理解數據分析的需求 /032
3.3 工業數據分析目標的評估 /035
3.4 產品全生命周期 /038
第4章 數據理解 /041
4.1 數據來源 /042
4.2 數據的分類及相互關係 /046
4.3 數據質量 /049
第5章 數據準備 /053
5.1 業務系統的數據準備 /054
5.2 工業企業的數據準備 /056
5.3 物聯網的數據準備 /058
5.4 建模分析的數據準備 /060
第6章 數據建模 /065
6.1 模型的形式化描述 /066
6.2 工業建模的基本過程 /070
6.3 工業建模的特徵工程 /073
6.4 工業大數據分析的算法介紹 /077
第7章 模型的驗證與評估 /085
7.1 知識的質量 /086
7.2 傳統數據分析方法及其存在的問題 /088
7.3 基於領域知識的模型驗證與評估 /091
7.4 總結與展望 /095
第8章 模型的部署 /097
8.1 模型部署前應考慮的問題 /098
8.2 實施和運行中的問題 /101
8.3 問題的解決方法 /103
8.4 部署後的持續最佳化 /105
第9章 展望未來 /107
