In dit hoofdstuk leer je eerst wat IoT-gegevens zijn.
Vervolgens leer je hoe je IoT-gegevens ophaalt via een REST API en met een MQTT-datastream gegevens in realtime verzamelt.

Introductie tot IoT-gegevens

IoT-apparaten

Data verzamelen

Data ophalen met pandas

Begrijp de data

Gegevens opslaan

Gegevens uit bestand lezen

De gegevens begrijpen

Introductie tot datastromen

Wat is MQTT

MQTT enkel bericht

Datastream opslaan

Toegang krijgen tot IoT-gegevens

In het tweede hoofdstuk bekijk je de gegevens die je in het eerste hoofdstuk hebt verzameld. Je visualiseert de gegevens en leert hoe belangrijk tijdstempels zijn bij datastreams. Je implementeert ook caching voor een MQTT-datastream.

Voer EDA uit

Lijngrafieken

Histogramplot

Gegevens opschonen

Omgaan met missende data

Ontbrekende gegevens

Ontbrekende gegevens II

Verzamel minimalistische incrementele data

Welke timestamp?

Datastream cachen

Datum en tijd

Incrementele data voorbereiden en visualiseren

Pivoteren

Gegevens opnieuw formatteren

Energie-tellerdata analyseren

IoT-gegevens verwerken

In dit hoofdstuk combineer je meerdere gegevensbronnen met verschillende tijdsintervallen.
Daarna analyseer je de gegevens om correlaties, uitschieters en trends te ontdekken.

Datasources combineren voor verdere analyse

DataFrames concatenëren

Combineren en resamplen

Correlatie

Heatmaps

Pairplot

Uitschieters

Standaarddeviatie

Autocorrelatie

Seizoenspatronen en trends

Seizoensdecompositie

Seizoensdecompositie II

IoT-gegevens analyseren

In dit laatste hoofdstuk gebruik je de gegevens die je in de vorige hoofdstukken hebt geanalyseerd om een Machine Learning-pijplijn te bouwen. Vervolgens leer je hoe je deze pijplijn in een datastream implementeert om realtime voorspellingen te doen.

Data voorbereiden voor Machine Learning

Train/Test-split

Logistic Regression

Data schalen voor Machine Learning

Modelprestaties

Schalen

Schalen II

Ontwikkel een Machine Learning-pijplijn

Pipelines maken

Pipeline opslaan

Een Machine Learning-model toepassen

Modelvoorspellingen

Model toepassen op datastroom

Afronden

Machine Learning voor IoT

Environment

Traffic (light vehicles)

Traffic (heavy vehicles)

Heb je weleens gehoord van Internet of Things-apparaten? Natuurlijk. Misschien heb je thuis ook een Raspberry PI die de temperatuur en luchtvochtigheid bijhoudt.
  IoT-apparaten zijn overal om ons heen en verzamelen gegevens over onze omgeving.
  Je gaat milieu-, verkeers- en energiemetergegevens analyseren.
  In deze cursus leer je hoe je gegevens uit een datastream verzamelt en opslaat.
  Je bereidt IoT-gegevens voor op analyse, analyseert en visualiseert ze, en implementeert vervolgens
  een eenvoudig Machine Learning-model om actie te ondernemen wanneer bepaalde gebeurtenissen optreden. Daarna zet je dit model
  in op een realtime datastream.

Data Manipulation with pandas

Leer hoe je IoT-gegevens in Python importeert, schoonmaakt en manipuleert voor machine learning.

IoT-gegevens analyseren in Python

Importeer, reinig en bewerk IoT-data in Python zodat deze klaar is voor machine learning.

Pivoteren

IoT-gegevens analyseren in Python

Interactieve oefening met praktijkervaring