En este capítulo, primero entenderás qué son los datos de IoT.
Después, aprenderás a adquirir datos de IoT a través de una API REST y a usar un flujo de datos MQTT para recopilar información en tiempo real.

Introducción a los datos de IoT

Dispositivos IoT

Adquisición de datos

Adquiere datos con pandas

Comprende los datos

Almacenar datos

Lee datos desde un archivo

Comprender los datos

Introducción a los flujos de datos

Qué es MQTT

Mensaje único MQTT

Guardar flujo de datos

Acceder a datos de IoT

En el segundo capítulo, revisarás los datos que recopilaste durante el primero. Visualizarás los datos y aprenderás la importancia de las marcas temporales cuando trabajas con flujos de datos. También implementarás caché en un flujo de datos MQTT.

Realiza EDA

Gráficos de líneas

Gráfico de histograma

Limpiar datos

Cómo tratar los datos faltantes

Datos ausentes

Datos ausentes II

Recopila datos incrementales minimalistas

¿Qué marca temporal?

Cache de flujo de datos

Fecha y hora

Prepara y visualiza datos incrementales

Pivotar

Reformatear datos

Analizar datos de contadores de energía

Procesamiento de datos de IoT

En este capítulo, combinarás múltiples fuentes de datos con distintos intervalos de tiempo.
Luego analizarás los datos para detectar correlaciones, valores atípicos y tendencias.

Combinar fuentes de datos para un análisis posterior

Concatena DataFrames

Combina y remuestrea

Correlación

Mapas de calor

Pairplot

Valores atípicos

Desviación estándar

Autocorrelación

Estacionalidad y tendencias

Descomposición estacional

Descomposición estacional II

Análisis de datos de IoT

En este último capítulo, usarás los datos que analizaste en los capítulos anteriores para crear una canalización de Machine Learning. Después, aprenderás a implementar esta canalización en un flujo de datos para hacer predicciones en tiempo real.

Preparar datos para Machine Learning

Train/Test split

Logistic Regression

Escalar datos para Machine Learning

Rendimiento del modelo

Escalado

Escalado II

Desarrollar un pipeline de Machine Learning

Creación de Pipelines

Almacenar la Pipeline

Aplica un modelo de Machine Learning

Predicciones del modelo

Aplicar el modelo al flujo de datos

Para cerrar

Machine Learning para IoT

Environment

Traffic (heavy vehicles)

Traffic (light vehicles)

¿Has oído hablar de los dispositivos del Internet of Things? Claro que sí. Quizás incluso tengas una Raspberry PI en casa que monitoriza la temperatura y la humedad.
  Los dispositivos IoT están por todas partes, recogiendo datos sobre nuestro entorno.
  Analizarás datos ambientales, datos de tráfico y datos de contadores de energía.
  A lo largo del curso, aprenderás a recopilar y almacenar datos de un flujo de datos.
  Prepararás datos de IoT para su análisis, analizarás y visualizarás datos de IoT, antes de implementar
  un modelo sencillo de Machine Learning para actuar cuando ocurran ciertos eventos y desplegar este modelo
  en un flujo de datos en tiempo real.

Data Manipulation with pandas

Aprende a importar, limpiar y manipular datos IoT en Python para prepararlos para el aprendizaje automático.

Análisis de datos de IoT en Python

Aprende a importar, limpiar y manipular datos de IoT en Python para prepararlos para machine learning.

IT Developer

Combining datasources for further analysis

Combining data sources

Naming columns

Concat

Resample

Fillna

Let's practice!

Análisis de datos de IoT - Combinar fuentes de datos para un análisis posterior

Combinar fuentes de datos para un análisis posterior

Create Your Free Account