V této kapitole nejprve pochopíš, co jsou IoT data.
Potom se naučíš, jak získávat IoT data přes REST API a jak pomocí MQTT datového streamu sbírat data v reálném čase.

Úvod do IoT dat

IoT zařízení

Získání dat

Načtení dat pomocí pandas

Porozumění datům

Ukládání dat

Načtení dat ze souboru

Úvod do datových streamů

Co je MQTT

MQTT – jedna zpráva

Uložení datového streamu

Přístup k datům IoT

Ve druhé kapitole se podíváš na data, která jsi získal/a v první kapitole. Vizualizuješ je a zjistíš, proč jsou časová razítka při práci s datovými streamy tak důležitá. Také implementuješ ukládání do mezipaměti pro MQTT datový stream.

Proveď EDA

Spojnicové grafy

Histogram

Čištění dat

Práce s chybějícími daty

Chybějící data

Chybějící data II

Shromažďování minimalistických přírůstkových dat

Které časové razítko?

Ukládání datového streamu do mezipaměti

Datum a čas

Příprava a vizualizace přírůstkových dat

Pivotování

Přeformátování dat

Analýza dat energetického čítače

Zpracování dat IoT

V této kapitole zkombinuješ více datových zdrojů s různými časovými intervaly.
Potom data analyzuješ a odhalíš v nich korelace, odlehlé hodnoty a trendy.

Kombinování datových zdrojů pro další analýzu

Spojení DataFramů

Kombinace a převzorkování

Korelace

Heatmapy

Pairplot

Odlehlé hodnoty

Směrodatná odchylka

Autokorelace

Sezónnost a trendy

Sezónní dekompozice

Sezónní dekompozice II

Analýza dat IoT

V závěrečné kapitole využiješ data analyzovaná v předchozích kapitolách k sestavení pipeline pro strojové učení. Naučíš se, jak tuto pipeline implementovat do datového streamu a provádět předpovědi v reálném čase.

Příprava dat pro strojové učení

Rozdělení na trénovací a testovací sadu

Logistická regrese

Škálování dat pro machine learning

Výkon modelu

Škálování

Škálování II

Sestavení pipeline pro strojové učení

Vytváření pipeline

Uložení pipeline

Aplikace modelu strojového učení

Predikce modelu

Aplikace modelu na datový proud

Závěrečné shrnutí

Strojové učení pro IoT

Environment

Traffic (light vehicles)

Traffic (heavy vehicles)

Slyšel/a jsi někdy o zařízeních z oblasti internetu věcí? Určitě ano. Možná máš doma i Raspberry Pi, které sleduje teplotu a vlhkost.
  Zařízení IoT jsou všude kolem nás a sbírají data o našem prostředí.
  V kurzu budeš analyzovat environmentální data, dopravní data i data z energetických čítačů.
  Naučíš se, jak sbírat a ukládat data z datového streamu.
  Připravíš IoT data k analýze, analyzuješ je a vizualizuješ, a nakonec implementuješ
  jednoduchý model strojového učení, který reaguje na určité události, a nasadíš ho
  do datového streamu v reálném čase.

Data Manipulation with pandas

Naučte se importovat, čistit a upravovat IoT data v Pythonu pro strojové učení.

Analýza dat z IoT v Pythonu

Pivotování

Analýza dat z IoT v Pythonu

Interaktivní praktické cvičení