In this chapter, you will first understand what IoT data is.
Then, you learn how to aquire IoT data through a REST API and using an MQTT data stream to collect data in real time.

Introduction to IoT data

IoT devices

Data acquisition

Acquire data with pandas

Understand the data

Store data

Read data from file

Understanding the data

Introduction to Data streams

What is MQTT

MQTT single message

Save Datastream

Accessing IoT Data

In the second chapter, you will look at the  data  you gathered during the first chapter.  You will visualize the data and learn the importance of timestamps when dealing with data streams. You will also implement caching to an MQTT data stream.

Explorative Datenanalyse durchführen

Liniendiagramme

Histogramm zeichnen

Daten bereinigen

Umgang mit fehlenden Daten

Fehlende Daten

Fehlende Daten II

Minimalistische inkrementelle Daten erfassen

Welcher Zeitstempel?

Datenstrom cachen

Datum und Uhrzeit

Inkrementelle Daten aufbereiten und visualisieren

Pivotieren

Daten umformatieren

Energiezähler-Daten analysieren

Processing IoT Data

In this chapter, you will combine multiple datasoures with different time intervals.
You will then analyze the data to detect correlations, outliers and trends.

Combining datasources for further analysis

Concatenate DataFrames

Combine and resample

Correlation

Heatmaps

Pairplot

Outliers

Standard deviation

Autocorrelation

Seasonality and trends

Seasonal decomposition

Seasonal decomposition II

Analyzing IoT Data

In this final chapter, you will use the data you analyzed during the previous chapters to build a machine learning pipeline. You will then learn how to implement this pipeline into a data stream to make realtime predictions.

Prepare data for machine learning

Train/Test split

Logistic Regression

Scaling data for machine learning

Model performance

Scaling

Scaling II

Develop machine learning pipeline

Creating Pipelines

Store Pipeline

Apply a machine learning model

Model predictions

Apply model to data stream

Wrapping up

Machine Learning for IoT

Environment

Traffic (heavy vehicles)

Traffic (light vehicles)

Hast du schon vom Internet of Things gehört? Na klar. Vielleicht hast du sogar einen Raspberry Pi zu Hause, der Temperatur und Luftfeuchtigkeit überwacht.
  IoT-Geräte sind überall um uns herum und sammeln Daten über unsere Umgebung.
  Du wirst Umweltdaten, Verkehrsdaten und Energiezählerdaten analysieren.
  Im Laufe des Kurses lernst du, wie du Daten aus einem Datenstrom erfasst und speicherst.
  Du bereitest IoT-Daten für die Analyse vor, analysierst und visualisierst sie und implementierst anschließend
  ein einfaches Machine-Learning-Modell, das bei bestimmten Ereignissen Aktionen auslöst, und setzt dieses Modell
  in einem Echtzeit-Datenstrom ein.

Data Manipulation with pandas

Lernen Sie, IoT-Daten in Python zu importieren, bereinigen und für maschinelles Lernen vorzubereiten.

IoT-Daten in Python analysieren

Hier importierst, bereinigst und bearbeitest du IoT-Daten in Python und bereitest sie so für maschinelles Lernen vor.

Pivotieren

Interaktive praktische Übung