数据分析师辛苦工业大数据分析师的算法修养数据分析师辛苦全程干货，

原标题：工业大数据分析师的算法修养

工业大数据分析师直接面临工业一线问题，除了坚实的数据分析算法/工具、软件开发基础、大数据平台基础、工程基础（如理论力学、材料力学、热力学、电磁理论、控制理论、信号处理等）等技术层面的知识外，还需要能有一定业务/工业系统分析能力和工业领域知识。对于从事第三方服务的工业数据分析师，还需要良好的学习能力、宽阔行业知识结构和丰富的实践经验。鉴于本书的主题，这里仅仅讨论数据分析算法层面。一个算法有很多不同维度，如表1‑5所示，只有把这些维度都熟悉了，才算熟练掌握了一个算法。

不同目的对上面4个维度的侧重点不同。一个算法研究者，更关注既有算法提出的动机、问题的形式化方法和可能改进点，有了这种思想层面的理解才可能发展一些新的有用的算法；而教育工作者，除了大概思路外，关注更多是理论推导；作为一个工程分析应用人员，除了关注应用外，自身更关心常见算法的整体概念框架（这样有选择的自由）、算法的适用范围、不同算法组合套路、不同算法包的对比等，在对外交流时，也会关注算法的形象化解释（让其他领域的人快速理解）。对算法的理解在单个维度可能会遇到瓶颈，这时候不同算法、不同维度的交叉类比可能非常有帮助，用其他类似或相关算法去理解新算法，用算法的对比驱动更深层次的理解，通过阅读源代码（很多优秀算法包）去理解算法的数学公式，通过简单算例对比去理解算法的工作机制。对于工业分析师来说，可以先快速入门，扩大视野，形成直觉研判，然后再分而治之去深入每个算法的理论推导，采用螺旋上升的方式，通过如下图所示的交叉印证与检验，适度的追求技巧，让数据分析工作充满乐趣，驱动更多更高效率的学习。

另外，田博按照算法、工具软件、案例三类，在《工业大数据分析算法实战》书中推荐了一些数据分析必读书目（见下表），必读图书的要点解读可以参考原著。

返回搜狐，查看更多

责任编辑：