I det här kapitlet får du först en förståelse för vad IoT-data är.
Därefter lär du dig att hämta IoT-data via ett REST API och att använda en MQTT-dataström för att samla in data i realtid.

Introduktion till IoT-data

IoT-enheter

Datainsamling

Hämta data med pandas

Förstå datan

Lagra data

Läs data från fil

Introduktion till dataströmmar

Vad är MQTT

MQTT – ett enskilt meddelande

Spara dataström

Åtkomst till IoT-data

I det andra kapitlet undersöker du de data du samlade in i det första kapitlet. Du visualiserar data och lär dig hur viktiga tidsstämplar är när man arbetar med dataströmmar. Du implementerar även caching för en MQTT-dataström.

Utforskande dataanalys

Linjediagram

Histogram

Rensa data

Hantera saknade data

Saknade värden

Saknade data II

Samla in minimalistisk inkrementell data

Vilken tidsstämpel?

Cachelagra dataström

Datum och tid

Förbered och visualisera inkrementell data

Pivotering

Omformatera data

Analysera energimätardata

Bearbeta IoT-data

I det här kapitlet kombinerar du flera datakällor med olika tidsintervall.
Du analyserar sedan data för att hitta korrelationer, avvikelser och trender.

Kombinera datakällor för vidare analys

Konkatenera DataFrames

Kombinera och omsamplingsera

Korrelation

Värmekartor

Pairplot

Avvikande värden

Standardavvikelse

Autokorrelation

Säsongsvariation och trender

Säsongsdekomposition

Säsongsdekomposition II

Analysera IoT-data

I det här avslutande kapitlet använder du de data du analyserat i tidigare kapitel för att bygga en maskininlärningspipeline. Du lär dig sedan hur du implementerar denna pipeline i en dataström för att göra realtidsprediktioner.

Förbered data för maskininlärning

Tränings- och testuppdelning

Logistisk regression

Skalning av data för maskininlärning

Modellens prestanda

Skalning

Skalning II

Utveckla en maskininlärningspipeline

Skapa pipelines

Spara pipeline

Tillämpa en maskininlärningsmodell

Modellprediktion

Tillämpa modellen på dataströmmen

Sammanfattning

Maskininlärning för IoT

Environment

Traffic (light vehicles)

Traffic (heavy vehicles)

Har du hört talas om Internet of Things-enheter? Det har du säkert. Kanske har du till och med en Raspberry Pi hemma som mäter temperatur och luftfuktighet.
  IoT-enheter finns överallt omkring oss och samlar in data om vår omgivning.
  I den här kursen analyserar du miljödata, trafikdata och energimätardata.
  Du lär dig att samla in och lagra data från en dataström.
  Du förbereder IoT-data för analys, analyserar och visualiserar den, och implementerar sedan
  en enkel maskininlärningsmodell som reagerar när vissa händelser inträffar – och driftsätter modellen
  mot en realtidsdataström.

Data Manipulation with pandas

Lär dig importera, rengöra och manipulera IoT-data i Python för maskininlärning.

Analysera IoT-data i Python

Lär dig importera, rensa och bearbeta IoT-data i Python så att den blir redo för maskininlärning.

Pivotering

Analysera IoT-data i Python

Interaktiv övning med praktiskt arbete