您好,欢迎来到聚文网。 登录 免费注册
工业数据分析工程 基于CRISP-DM的形式化方法

工业数据分析工程 基于CRISP-DM的形式化方法

CRISP-DM方法的实战“套用”指南
  • 字数: 354000
  • 装帧: 平装
  • 出版社: 机械工业出版社
  • 作者: 田春华 等 著
  • 出版日期: 2024-09-01
  • 商品条码: 9787111759799
  • 版次: 1
  • 开本: 16开
  • 页数: 236
  • 出版年份: 2024
定价:¥99 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
编辑推荐
《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。
内容简介
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个阶段的关键活动、关键角色和成功标准,给出实操形式化方法,并用具体工业案例进行展示;第8~10章用3个不同类型行业案例,端到端展示了工业数据分析方法的应用过程。本书是实操性方法的系统总结,用实际案例将读者代人,更好地理解问题的挑战和解决过程在此基础上,进行系统化总结,方便方法的传承。 《工业数据分析工程:基于CRISP-DM的形式化方法》适合工业大数据从业者,包括工业大数据/工业互联网企业的研发人员、工业企业T部门及数字化转型部门的工程技术人员阅读,也适合高等或职业院校的大数据或工业互联网相关专业的教师和学生阅读。
作者简介
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。
目录
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
……

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网