介绍
      金融、医疗、制药、汽车、航空、制造业的预测分析

大数据概念概述

从不同的来源获取数据

什么是数据驱动的预测模型？

统计和机器学习技术概述

案例分析：预测性维护和资源规划

使用Hadoop和Spark将算法应用于大型数据集

预测性分析工作流程

访问和探索数据

预处理数据

开发一个预测模型

培训、测试、验证数据集

应用不同的机器学习方法（时间序列回归、线性回归等）

将模型集成到现有的Web应用程序、移动设备、嵌入式系统等

Matlab和Simulink与嵌入式系统和企业IT工作流程的集成

从MATLAB代码创建可移植的C和C ++代码

将预测性应用程序部署到大型生产系统、群集和云

根据您的分析结果采取行动

后续步骤：使用指导性分析（Prescriptive Analytics）自动响应调查结果