本书从工业数据采集平台构建入手，通过三个实际项目介绍了使用Python机器学习进行工业大数据分析的流程和方法。全书共有5章。其中，第1章主要介绍数据采集平台的构建，第2章主要介绍Python的安装和Jupyter Notebook的使用，第3章讲解风机叶片数据分析预测，第4章介绍了火力发电厂工业蒸汽量预测，第5章探讨了铝型材表面瑕疵识别的方法。本书内容基于工业数据采集分析流程，结合具体项目讲解工业数据分析的方法。每章先讲解必备知识点，然后再通过实践操作加深对知识的理解和应用。本书可作为高职高专院校大数据分析课程的教学及实验用书，并可作为工业大数据分析初学者的自学用书。

项目1 安装数据采集平台
学习目标
项目背景
知识链接
知识点1 了解容器化技术
知识点2 了解时序数据库技术
知识点3 了解工业物联网数据采集协议
项目实施
任务1 在Windows系统上安装Docker
任务2 修改Docker远程镜像仓库地址
任务3 Docker管理
任务4 时序数据库的安装与使用
任务5 工业物联网数据采集服务的安装与配置
项目总结
数说中国
思考练习
学习评价
项目2 安装大数据分析软件：Python
学习目标
项目背景
知识链接
知识点 了解Python数据分析常用类库
项目实施
任务1 在Windows系统上安装Anaconda
任务2 修改Conda下载源
任务3 创建和管理虚拟环境
任务4 熟悉Jupyter Notebook的使用
项目总结
数说中国
思考练习
学习评价
项目3 风机叶片数据分析预测
学习目标
项目背景
知识链接
知识点1 机器学习基本概念及其应用
知识点2 大数据分析主要流程
知识点3 随机森林模型
知识点4 XGBoost简介
项目实施
任务1 使用随机森林模型对风机叶片数据进行预测分析
任务2 使用XGBoost模型对风力发电机叶片结冰进行分类预测
项目总结
数说中国
思考练习
学习评价
项目4 火力发电厂工业蒸汽量预测
学习目标
项目背景
知识链接
知识点1 火力发电厂蒸汽量预测研究现状及本项目研究思路
知识点2 机器学习数学模型分析
项目实施
任务1 数据预处理
任务2 基于机器学习算法的蒸汽量预测
任务3 结果分析
项目总结
数说中国
思考练习
学习评价
项目5 基于深度学习的铝型材表面瑕疵识别
学习目标
项目背景
知识链接
知识点1 金属材料表面瑕疵识别研究现状
知识点2 项目研究内容及意义
知识点3 卷积神经网络
知识点4 项目环境介绍
项目实施
任务1 基于卷积神经网络的铝型材表面瑕疵分类技术
任务2 基于深度神经网络的铝型材表面瑕疵检测
项目总结
数说中国
思考练习
学习评价
参考文献