由昆仑数据首席数据科学家田春华博士联合五位数分大咖共同编著的新书《工业大数据分析实践》，推荐给大家。
100+个工业数据分析项目实战的经验总结，10+个行业（电力、装备制造、电子、化工等）实践的凝练提取，2017 PHM Data Challenge全球冠军团队的鼎力奉献。
1套工业数据分析工程方法，让人工智能算法更落地
3大工业典型领域问题（设备故障诊断PHM、生产质量PQM和效率优化PEM）的详细剖析、技术路线和实施模板，人人都可以成为高效的行业数据分析师
清华大学软件学院院长、教授王建民，上海优也信息科技有限公司首席科学家、研究员郭朝晖，金风科技副总裁吴凯，昆仑数据CEO、北京工业大数据创新中心主任陆薇联袂推荐
从事工业数据分析、企业数字化转型的必备工具书
主笔团队亲历中国工业大数据市场萌芽至今的发展与认知演进，在多个工业领域拥有大量数据分析实战经验，从中总结提炼方法论，形成行之有效的工业数据分析工程方法。
*工业大数据分析工程方法：对设备故障诊断与健康管理PHM、生产质量分析PQM和生产效率优化PEM等典型问题进行深入剖析，为从业者和企业用户提供了业务问题定义模板、技术要素和技术路线，深入剖析了统计模型、机理模型、专家规则在实际案例中的融合应用。
*工业数据分析算法与工具的总览：典型分析问题的技术路线的概览，统计与机器学习算法与工具的全貌性框架总结。
*案例分析：覆盖了风电、透平装备、电力、化工、电子制造、汽车制造、轨道交通等行业，扩展数据分析师的行业视野。
务实：从业务问题定义出发，逐步拆解成有章可循的技术路线，以全局观详解了工业数据分析领域的问题定义、技术路线及案例。
系统：系统总结了统计、机器学习和工业时序分析算法，以及对应的参考书和软件工具，而不拘泥于某一种算法介绍、公式推演和软件操作的科普，帮助读者建立起全面的知识体系，支撑更有针对性的快速入门。
深入：从行业数字化应用的视角，以实际行业场景，分析了数据分析技术的应用之路、业务挑战和潜在误区，而不是理想、理念、理论层面的宣贯。
如果你是数据分析算法工程师，想扩展算法的行业价值，本书将从典型行业数据分析问题的定义、落地方法的角度，辅助你发现更好的问题，避免理想化，尽快实现价值落地。
如果你是工业行业专家，想结合大数据技术去优化行业应用，本书将帮你建立起大数据平台、统计分析、机器学习算法等的知识框架，让你对大数据技术有全貌了解，快速入门，充分发挥领域知识与经验的优势。
如果你是企业数字化转型负责人，想更好利用大数据技术推进业务转型，本书将系统介绍不同分析课题的定义方法论、推进路线和典型误区，系统掌握大数据技术的适用范畴和实用方法，让数字化项目规划更系统、更落地，少走弯路。