【工程实践新书推荐】工业数据分析工程：基于CRISP-DM的形式化方法

[苹果二]

又来为大家推荐田春华老师团队的书了《工业数据分析工程：基于CRISP-DM的形式化方法》，一本既有能够指导实践的理论介绍（如领域模型设计方法和系统动力学模型方法等），又切实写出了如何应用方法论完成工程实践工作的工作指导手册。基于CRISP-DM（跨领域数据挖掘标准流程），书里根据工业数据的实际情况，除了介绍如何完成CRISP-DM的六个步骤即业务理解、数据理解、数据准备、模型建立和模型评价和部署，还增加了分析场景定义的识别和筛选方法，提出了机器学习融合的设计模式。书里的两个例子风功率曲线分析和冷轧机设备健康分析是值得参考的。

关于书的介绍，可以查看这里的内容。新书上架 |《工业数据分析工程 -- 基于CRISP DM的形式化方法》  昆仑数据K2Data   2024年08月21日 18:53 北京

 

标题

这里有书中的图片。https://product.dangdang.com/29766444.html

提起工业数据分析，很多人都会觉得难，现实中也比较难找到像互联网技术和人工智能相关的实践层面的细节。可能不少朋友看了许多书和视频，还是不知道怎么做。这本书里精细地写出了这些非常关键“做事”的内容。

这本书的主要受众应该是DT数据技术工作人员。所以，除了基本功技术层面的CRISP-DM的形式化方法，大家还可以学习到具体工作中处理非技术问题的方法（这是非常关键的）。书中用例子说明、图表解释说明了以下情景。

1 如何融合咨询方法与数据分析方法

2 如何与业务专家（OT）合作

3 如何应对常见问题，包括分析和解决方法

机器学习融合设计模式，可以帮助我们在解决工业问题时获得更多的解决路径。

业务逻辑与机器学习介绍了业务状态机模式和关联规则发现模式

机器知识与机器学习介绍了机理矫正模式和机理正则化约束模式

运筹优化与机器学习介绍了启发策略增强模式和代理模型辅助优化模式

期待大家能尽快应用这本书的方法，解决身边众多复杂的现实问题。