算法与模型—— 谈谈Predix的工业大数据分析技术
有了工业数据的大量积累，但并不等于直接的商业收益，中间隔着一道非常关键的通道——工业大数据技术。近几年，很多大数据专家和行业专家也在争执：数据量重要还是大数据算法更重要，双方各执一词。
比如，Googole认为数据量的多寡至关重要，甚至直言：更多的数据胜过更好的算法。这种观点与我们意识认知中的“信息越多，就越靠近真相”类似。
而如《The Signal and the Noise》(信号不噪声，作者Nate Silver)，这本书里面的一个观点是“更多的数据意味着更多的噪声。
信号是真相，噪声却使我们离真相越来越进。”所以，人们需要构建有效的算法和模型，去识别和认知何为真相。
无论数据量和算法模型哪一个更重要，针对工业大数据的有效利用，归根结底还是选择对的工业大数据分析技术。
GEPredix专家将从分析算法侧重点、分析模型与机理模型融合方式、业务应用场景等3个方面分享工业大数据分析的典型范式。
本期话题——Predix平台提供的数据建模和分析算法，哪些可以帮助你实现你所需要的工业数据分析结果？
例：1. 我是来自能源领域的小白
2. Predix平台提供的数据建模和分析算法，可以帮助我实现我所需要的工业数据分析结果的有：
PS：让参不者了解Predix平台提供的数据建模和算法分析方法，并结合企业研发的自身需求，匹配所需，并向与家提问获取帮助，建立开发者与GE Predix与家之间的深层互动。活动时间：2017年12月14日-2018年2月5日
Predix认证培训在线答疑 欢迎各位同学踊跃提问，GE专家将及时为您答疑解惑！
活动结束后，我将抽取40名积极提问的童鞋，赠送价值50元的京东卡一张。
如欲了解Predix平台详情，请访问：http://predix.csdn.net
