无码人妻一区二区三区免费费,亚洲人av成一区二区电影,国产情侣对白呻吟高潮

內(nèi)容簡介

　　在“數(shù)據(jù)資產(chǎn)化”“工業(yè)互聯(lián)網(wǎng)”“工業(yè)大數(shù)據(jù)”的推進中，工業(yè)大數(shù)據(jù)分析仍缺乏統(tǒng)一的指導方法，造成工業(yè)大數(shù)據(jù)分析項目質量波動大落地成功率低。CRISP-DM方法是機器學習領域的行業(yè)事實標準，但CRISP-DM 僅僅是過程方法，對于每個階段或關鍵活動，沒有給出具體的行動指導。本書在 CRISP-DM 基礎上，細化了工業(yè)數(shù)據(jù)分析中的具體活動，針對關鍵活動提出了明確的形式化方法（例如，用系統(tǒng)動力學模型刻畫工業(yè)物理系統(tǒng)的運行機理，用領域模型描述物理系統(tǒng)間的概念關系，用數(shù)據(jù)處理流圖描述分析模型間的數(shù)據(jù)處理和依賴關系），并用具體的行業(yè)案例進行闡述，嘗試為工業(yè)大數(shù)據(jù)分析構建一套實操性的工程方法體系?！豆I(yè)數(shù)據(jù)分析工程：基于CRISP-DM的形式化方法》分為 10 章：第1章概要介紹工業(yè)數(shù)據(jù)分析方法體系;第2~7章討論了分析場景定義、業(yè)務理解、數(shù)據(jù)理解、數(shù)據(jù)準備、模型建立、模型評估和模型部署7個階段的關鍵活動、關鍵角色和成功標準，給出實操形式化方法，并用具體工業(yè)案例進行展示;第8~10章用3個不同類型行業(yè)案例，端到端展示了工業(yè)數(shù)據(jù)分析方法的應用過程。本書是實操性方法的系統(tǒng)總結，用實際案例將讀者代人，更好地理解問題的挑戰(zhàn)和解決過程在此基礎上，進行系統(tǒng)化總結，方便方法的傳承?！豆I(yè)數(shù)據(jù)分析工程：基于CRISP-DM的形式化方法》適合工業(yè)大數(shù)據(jù)從業(yè)者，包括工業(yè)大數(shù)據(jù)/工業(yè)互聯(lián)網(wǎng)企業(yè)的研發(fā)人員、工業(yè)企業(yè)T部門及數(shù)字化轉型部門的工程技術人員閱讀，也適合高等或職業(yè)院校的大數(shù)據(jù)或工業(yè)互聯(lián)網(wǎng)相關專業(yè)的教師和學生閱讀。

作者簡介

　　田春華博士，北京工業(yè)大數(shù)據(jù)創(chuàng)新中心首席數(shù)據(jù)科學家，清華大學工業(yè)大數(shù)據(jù)研究中心，首席數(shù)據(jù)科學家；曾任IBM中國研究院研究經(jīng)理，IEEE、INFORMS、ACM等學術組織及國際學術會議分會主席、執(zhí)行委員、國際學術期刊審稿人。長期負責數(shù)據(jù)挖掘算法研究和產(chǎn)品工作，在高端裝備制造、石油石化、新能源、航空與港口等行業(yè)，幫助幾十家國內(nèi)外領先企業(yè)成功實施資產(chǎn)管理、運營優(yōu)化、營銷洞察等數(shù)據(jù)分析項目。參與了多個工業(yè)大數(shù)據(jù)相關標準的制定工作、白皮書的編寫工作、競賽支持工作。發(fā)表論文近百篇，擁有40余項國際國內(nèi)發(fā)明專利授權。

圖書目錄

目錄
1.工業(yè)數(shù)據(jù)分析方法概述
1.1.方法論內(nèi)涵與作用
1.2.工業(yè)大數(shù)據(jù)項目落地的載體
1.2.1.大數(shù)據(jù)分析的3種載體形式：數(shù)據(jù)服務、模型服務、智能應用
1.2.2.工業(yè)大數(shù)據(jù)項目的價值落地
1.2.3.智能化項目管理
1.3.工業(yè)數(shù)據(jù)分析過程方法
1.4.如何用好工業(yè)數(shù)據(jù)分析方法
1.4.1.大數(shù)據(jù)分析方法的應用范疇
1.4.2.大數(shù)據(jù)分析方法與項目管理
1.4.3.大數(shù)據(jù)分析項目階段劃分
參考文獻
2.分析場景定義
2.1.什么是分析場景
2.2.分析場景識別
2.2.1.自頂向下的結構化分解法
2.2.2.自下向上的歸納剖析法
2.2.3.數(shù)據(jù)驅動的業(yè)務能力匹配法
2.2.4.分析場景識別中的常見問題
2.3.分析場景篩選
2.3.1.基于基線思維的場景篩選法
2.3.2.基于要素-認知矩陣的場景篩選法
2.3.3.分析場景篩選中的常見問題
2.4.分析場景定義示例
2.4.1.智能運維：自頂向下的結構化分解法
2.4.2.汽車制造：自下向上的歸納剖析法
2.4.3.電動礦卡智能管理：數(shù)據(jù)驅動的業(yè)務能力匹配法
參考文獻
3.業(yè)務理解
3.1.業(yè)務理解的目標
3.1.1.形成分析課題描述
3.1.2.提出數(shù)據(jù)需求清單
3.2.業(yè)務理解的主要內(nèi)容
3.2.1.決策邏輯
3.2.2.決策場景
3.2.3.領域概念
3.3.業(yè)務理解的形式化模型
3.3.1.層次分解模型-列表
3.3.2.層次分解模型-樹狀結構
3.3.3.系統(tǒng)動力學模型
3.3.4.專家規(guī)則
3.3.5.運籌學模型
3.4.系統(tǒng)動力學的建模方法
3.4.1.系統(tǒng)動力學圖的建模過程
3.4.2.系統(tǒng)動力學建模背后的支撐技術
3.4.3.系統(tǒng)動力學模型的概念辨析
3.5.專家規(guī)則的建模方法
3.5.1.基于規(guī)則流的規(guī)則描述方法
3.5.2.基于邏輯表達式的規(guī)則檢驗方法
3.6.領域模型的建模方法
3.6.1.數(shù)據(jù)驅動的領域建模
3.6.2.業(yè)務驅動的領域建模
3.7.業(yè)務理解的執(zhí)行策略
3.7.1.了解性訪談
3.7.2.基于樣例數(shù)據(jù)的業(yè)務理解
3.7.3.確認性訪談
3.8.思考：業(yè)務理解中形式化模型的必要性
3.8.1.水箱水位預測的例子
3.8.2.發(fā)電機冷卻水溫度區(qū)間估計的例子
參考文獻
4.數(shù)據(jù)理解
4.1.數(shù)據(jù)收集
4.1.1.明確數(shù)據(jù)源系統(tǒng)和訪問方式
4.1.2.明確數(shù)據(jù)更新與存儲周期
4.2.數(shù)據(jù)描述-數(shù)據(jù)集層面的理解
4.2.1.樣本數(shù)據(jù)的人工閱讀
4.2.2.數(shù)據(jù)概覽
4.2.3.領域模型與數(shù)據(jù)模型交互理解
4.3.數(shù)據(jù)探索-數(shù)據(jù)字段層面的理解
4.3.1.統(tǒng)計分布
4.3.2.數(shù)據(jù)可視化
4.4.數(shù)據(jù)探索-業(yè)務層面的理解
4.4.1.業(yè)務維度組合的探索（基于領域模型）
4.4.2.業(yè)務過程理解（基于系統(tǒng)動力學模型）
4.4.3.專家知識的復現(xiàn)
4.5.數(shù)據(jù)質量審查
4.5.1.示例案例
4.5.2.基于領域模型的質量審查方法
4.5.3.分析項目中數(shù)據(jù)質量突出的原因
4.5.4.數(shù)據(jù)質量評價與影響分析
4.6.數(shù)據(jù)理解階段的執(zhí)行策略
4.6.1.執(zhí)行路徑
4.6.2.軟件工具
4.6.3.典型的數(shù)據(jù)處理技巧
參考文獻
5.數(shù)據(jù)準備
5.1.數(shù)據(jù)流設計
5.1.1.數(shù)據(jù)倉庫建模
5.1.2.領域模型驅動的工業(yè)數(shù)據(jù)組織方法
5.1.3.工業(yè)數(shù)據(jù)分析的數(shù)據(jù)流圖
5.1.4.分析數(shù)據(jù)流圖示例
5.2.數(shù)據(jù)選擇與清洗
5.3.數(shù)據(jù)融合
5.4.特征提取與選擇
5.4.1.特征的來源
5.4.2.特征提取的推進思路
5.5.數(shù)據(jù)資源化：數(shù)據(jù)分析師的視角
參考文獻
6.模型建立
6.1.常用的算法
6.2.目標變量的相關問題
6.2.1.目標變量的構建
6.2.2.目標變量變換
6.2.3.不均衡問題
6.3.預測變量的相關問題
6.3.1.工況切分
6.3.2.變量的離散化
6.3.3.移除沒有業(yè)務意義的高相關特征量
6.3.4.特征變量組合
6.3.5.類別變量的完備度
6.4.工業(yè)分析建模問題
6.4.1.基準模型
6.4.2.大量測點的穩(wěn)定過程建模
6.4.3.基于樸素道理的深度網(wǎng)絡結構參數(shù)優(yōu)化
6.4.4.時序分類問題
6.4.5.非監(jiān)督學習問題
6.4.6.優(yōu)化問題
6.4.7.評價型問題
6.4.8.淺機理、高維度的診斷型問題
6.5.機理模型與統(tǒng)計模型的結合方法
6.5.1.機理模型的范疇：定性與定量機理
6.5.2.統(tǒng)計模型與數(shù)學模型的4種融合范式
6.5.3.統(tǒng)計模型與仿真模型的2種融合模式
6.5.4.統(tǒng)計模型與經(jīng)驗性機理模型的融合
參考文獻
7.模型評價與部署
7.1.模型評價的內(nèi)容
7.2.技術評價
7.3.業(yè)務評價
7.4.下一步工作規(guī)劃
7.5.模型部署的內(nèi)容
7.6.部署包的設計
7.6.1.分析任務的邏輯審查
7.6.2.數(shù)據(jù)異常的影響分析與應對措施
7.6.3.分析模型打包
7.7.模型運維機制設計
7.8.分析課題總結
參考文獻
8. 機器學習融合的設計模式
8.1 機器學習融合設計模式的來源和分類
8.2 業(yè)務邏輯與機器學習融合
8.2.1 業(yè)務狀態(tài)機模式
8.2.2 關聯(lián)規(guī)則發(fā)現(xiàn)模式
8.3 機理知識與機器學習融合
8.3.1 機理矯正模式
8.3.2 機理正則化約束模式
8.4 運籌優(yōu)化與機器學習融合
8.4.1 啟發(fā)策略增強模式
8.4.2 代理模型輔助優(yōu)化模式
參考文獻
9.風功率曲線分析
9.1.業(yè)務理解
9.1.1.環(huán)境要素
9.1.2.風況要素
9.1.3.控制系統(tǒng)的要素
9.1.4.設計與安裝要素
9.2.風功率曲線擬合-數(shù)據(jù)理解
9.2.1.功率曲線預覽
9.2.2.多變量關系
9.3.風功率曲線擬合-數(shù)據(jù)準備
9.3.1.對風速做分倉
9.3.2.對有功功率做分倉
9.3.3.改進方向
9.4.風功率曲線擬合-回歸模型
9.5.風功率曲線異常點識別-數(shù)據(jù)理解
9.5.1.數(shù)據(jù)說明
9.5.2.單臺風機