本书内容共15章，分为四篇。其中第一篇为基本概念篇，包括第1-3章，介绍工业大数据概述、工业大数据体系架构及关键技术、工业大数据治理等内容；第二篇为经典机器学习篇，包括第4-8章，介绍k近邻算法、回归分析、贝叶斯学习、支持向量机、决策树等算法；第三篇为深度学习篇，包括第9-12章，介绍前馈神经网络、卷积神经网络、循环神经网络、强化学习等算法；第四篇为工业大数据分析算法应用篇，包括第13-15章，介绍动态过程、多工况过程、非线性动态过程质量相关故障检测、根源诊断、传播路径辨识等应用。