工业数据分析工程基于CRISP-DM的形式化方法

￥99.00

运费：	免运费
库存：	3 件

立即购买

支付：: 微信支付银行卡支付宝

商品详情

工业数据分析工程基于CRISP-DM的形式化方法

作者:田春华等著

定价:99

出版社:机械工业出版社

出版日期:2024年09月01日

页数:236

装帧:平装

ISBN:9787111759799

《工业数据分析工程：基于CRISP-DM的形式化方法》是一本专为希望利用数据科学推动工业进步的专业人士撰写的指南。本书深入浅出地介绍了如何运用跨行业标准流程（CRISP-DM）来解决工业领域中复杂的数据分析问题。通过系统性地介绍CRISP-DM的六个阶段——业务理解、数据理解、数据准备、建模、评估和部署，本书不仅提供了理论框架，还辅以丰富的实际案例研究，帮助读者将理论知识转化为实践能力。作者精心挑选了丰富的实例，展示了如何在这些行业中有效地实施数据分析项目。无论是初学者还是经验丰富的工程师，都能从中学到如何更好地处理数据、构建模型，并将结果应用于决策制定过程。如果您是寻求提高工厂效率、优化供应链管理或改进产品质量的数据科学家、工程师或是企业领导者，《工业数据分析工程：基于CRISP-DM的形式化方法》无疑是您的bi备参考书。它将引导您掌握一套全面而实用的方法论，帮助您在工业4.0时代取得竞争优势。

●1.工业数据分析方法概述
1.1.方法论内涵与作用
1.2.工业大数据项目落地的载体
1.2.1.大数据分析的3种载体形式：数据服务、模型服务、智能应用
1.2.2.工业大数据项目的价值落地
1.2.3.智能化项目管理
1.3.工业数据分析过程方法
1.4.如何用好工业数据分析方法
1.4.1.大数据分析方法的应用范畴
1.4.2.大数据分析方法与项目管理
1.4.3.大数据分析项目阶段划分
参考文献
2.分析场景定义
2.1.什么是分析场景
2.2.分析场景识别
2.2.1.自顶向下的结构化分解法
2.2.2.自下向上的归纳剖析法
2.2.3.数据驱动的业务能力匹配法
2.2.4.分析场景识别中的常见问题
……

内容介绍

在“数据资产化”“工业互联网”“工业大数据”的推进中，工业大数据分析仍缺乏统一的指导方法，造成工业大数据分析项目质量波动大落地成功率低。CRISP-DM方法是机器学习领域的行业事实标准，但CRISP-DM 仅仅是过程方法，对于每个阶段或关键活动，没有给出具体的行动指导。本书在 CRISP-DM 基础上，细化了工业数据分析中的具体活动，针对关键活动提出了明确的形式化方法(例如，用系统动力学模型刻画工业物理系统的运行机理，用领域模型描述物理系统间的概念关系，用数据处理流图描述分析模型间的数据处理和依赖关系)，并用具体的行业案例进行阐述，尝试为工业大数据分析构建一套实操性的工程方法体系。《工业数据分析工程：基于CRISP-DM的形式化方法》分为 10 章:第1章概要介绍工业数据分析方法体系;第2~7章讨论了分析场景定义、业务理解、数据理解、数据准备、模型建立、模型评估和模型部署7个阶段的......

田春华等著

田春华博士，北京工业大数据创新中心首席数据科学家，清华大学工业大数据研究中心，首席数据科学家；曾任IBM中国研究院研究经理，IEEE、INFORMS、ACM等学术组织及国际学术会议分会主席、执行委员、国际学术期刊审稿人。长期负责数据挖掘算法研究和产品工作，在高端装备制造、石油石化、新能源、航空与港口等行业，帮助几十家国内外领先企业成功实施资产管理、运营优化、营销洞察等数据分析项目。参与了多个工业大数据相关标准的制定工作、白皮书的编写工作、竞赛支持工作。发表论文近百篇，拥有40余项国际国内发明专利授权。