本书是一本集基础知识、实际工业案例、编程代码（PYTHON）于一体的智能化知识通俗实用读本，用于帮助钢铁企业和其他行业中的材料、工艺、设备、能源、质量和制造等专业的工程师快速学习和了解智能化基础知识。本书内容包括数理统计基础、数据分析与建模、数学优化、数字仿真等多门基础学科以及人工智能、机器学习等专业知识，大部分章节配有普适性的实例，还在附录中配置了多个作者所在团队的数据建模、智能控制、智能优化的实例，并给出计算的简易源代码以便年轻工程师快速上手。
本书用于辅助钢铁企业和其他长流程制造行业智能制造转型升级，供企业中的材料、工艺、设备、能源、质量和制造等专业的工程师阅读，也可供高等院校相关专业的师生参考。

1 数理统计基础
1.1 数据描述方法
1.1.1 直方图和箱线图
1.1.2 散点图
1.2 概率论基础
1.2.1 随机变量的概率计算
1.2.2 概率分布
1.2.3 正态分布
2 数据分析与建模
2.1 一元线性回归
2.1.1 一元线性回归模型
2.1.2 一元线性回归的最小二乘法
2.1.3 一元线性回归方程的检验
2.1.4 数据异常点对建模的影响
2.2 多元线性回归
2.2.1 多元线性回归模型
2.2.2 多元线性回归的最小二乘法
2.2.3 概率视角：最大似然估计法
2.2.4 多元线性回归方程的检验
2.2.5 含虚拟变量的回归方法
2.3 非线性回归
2.3.1 多项式回归
2.3.2 函数变换回归
2.3.3 分段线性化回归
2.3.4 直接非线性回归
2.4 时间序列分析
2.4.1 AR模型
2.4.2 MA模型
2.4.3 指数平滑模型
2.5 优化建模基础
2.5.1 线性规划模型
2.5.2 整数规划模型
2.5.3 库存论基础
3 人工智能基础
3.1 人工智能简介
3.2 机器学习算法
3.2.1 K均值算法
3.2.2 k近邻算法
3.2.3 决策树算法
3.2.4 支持向量机
3.3 神经网络分析与建模
3.3.1 感知器与多层感知器
3.3.2 BP神经网络
3.3.3 深度学习概览
3.3.4 神经网络的过拟合
3.4 现代启发式算法
3.4.1 遗传算法
3.4.2 群智能算法
3.4.3 模拟退火算法
4 数字仿真原理与应用
4.1 连续系统和离散事件系统的数字仿真
4.2 基于Simulink的连续系统仿真
4.2.1 仿真平台介绍
4.2.2 仿真实例
4.3 基于AnyIJogic的离散事件系统仿真
4.3.1 仿真平台介绍
4.3.2 仿真实例
参考文献
附录
附录1 案例Python代码
例2.1代码
例2.2代码
例2.3代码
例2.4代码
例2.5代码
例2.6代码
例3.1代码
例3.2代码
例3.3代码
例3.4代码
例3.5代码
附录2宝钢案例
案例l 热镀锌生产锌耗预测
案例2 转炉钢液温度建模
案例3 转炉钢液碳含量建模
案例4 炼钢组炉问题
案例5 合金采购优化决策问题
附录3 从实际案例看钢铁业大数据工作