前言
从2007年开始,田博在交通运输(航空/港口)、智慧城市、零售、石油石化、银行、电信等不同行业从事数据分析实践,2015年专注工业大数据领域,深入思考数据分析在行业落地中的挑战与方法,并于2021年初出版了《工业大数据分析实践》,明确了不同类型分析课题的定义、理解和推进方法与规范。此后一年半,该书增印两次,在较为小众的工业大数据技术圈内传播甚广。
为什么要出版第二本书?
本书适合哪些读者?
为什么值得一读?
直观的算法解读:用R语言实例和图形直观展示算法参数的影响,讲解了算法的组合技巧,阐述了算法背后的朴素原理与思想,帮助读者建立起算法的“直觉”;
全面的知识体系框架:用简洁图表建立起算法体系的全貌,没有定理证明与公式推导,不蹭热点(如深度学习),帮助分析应用者建立起算法的“系统观”;
高质量的参考文献:包括了算法的起源论文、权威图书、经典软件工具书,每条参考文献都是经典,覆盖了算法原理、定理推导、算法实现、工具软件和应用案例,读者可以按需深入,不走弯路,有效提升。
真实的工业场景应用:用实际案例讲解了典型工业场景中的分析算法组合技巧和工具。
有哪些精彩内容?
第一部分(第1章),数据分析概览,目的是建立起数据分析算法的概念框架,并给出学习路线。
第二部分(第2-5章),侧重在通用数据分析算法,包括数据预处理、机器学习、时序挖掘算法和最优化等其他算法。
第三部分(第6-8章),讨论了工业分析的算法思路,覆盖了生产质量分析(PQM)、生产效率优化(PEM)等典型分析课题的算法组合套路。
第四部分(第9-10章),侧重在分析工程方法,第9章讨论了工业专家知识沉淀方法,第10章讨论了数据分析的软件工程。
本书仅仅是一个开始,期待有更多更优秀的人才投身工业大数据的工程方法和实践,共同推进工业数字化转型进程。