本书分10章，可划分为四个部分。第一部分（第1章）是数据分析概览，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2～5章是第二部分，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。第三部分包括第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。

本书以工业大数据的特点和需求为牵引，阐述了工业大数据分析的算法与实现机制，使具有工科背景的读者建立起数据思维，灵活利用数据分析算法进行实际问题的建模，并实现分析项目高效迭代与落地。具体主题覆盖了工业大数据分析工程思维和软件栈，工业数据的数据探索，预处理方法和常用机器学习算法，故障诊断、质量优化、流程优化的分析算法，专家规则驱动方法，以及工业数据分析工程等内容。

本书适合工业大数据分析从业者、工业企业研发技术人员、工业互联网企业数据分析师阅读，可作为面向上述人员的培训教材，也可作为相关专业的学生和教师的参考书。 Cm2rmJ0CHWqwogVtyfxeK4DwtiC8FjkCw+Wf1SVGLy0uzIvS9NApGz5yjIZa8w6L