在本章中，您将首先了解什么是 IoT 数据。
接着，您将学习如何通过 REST API 获取 IoT 数据，并使用 MQTT 数据流实时采集数据。

IoT 数据简介

IoT 设备

数据获取

使用 pandas 获取数据

理解数据

存储数据

从文件读取数据

数据流入门

什么是 MQTT

MQTT 单条消息

保存数据流

访问 IoT 数据

在第二章中，您将回顾第一章中收集的数据。您将对数据进行可视化，并学习在处理数据流时时间戳的重要性。您还会为 MQTT 数据流实现缓存。

执行 EDA

折线图

直方图绘制

清洗数据

处理缺失数据

缺失数据

缺失数据 II

采集最小化的增量数据

选择哪个时间戳？

缓存数据流

日期与时间

准备并可视化增量数据

数据透视

重新格式化数据

分析能耗计数器数据

处理 IoT 数据

在本章中，您将合并具有不同时间间隔的多个数据源。
随后，您将分析数据以检测相关性、离群点和趋势。

为进一步分析合并数据源

连接 DataFrame

合并并重采样

热力图

配对图（Pairplot）

离群点

标准差

自相关

季节性与趋势

季节性分解

季节性分解 II

分析 IoT 数据

在最后一章中，您将使用前几章分析的数据来构建一个机器学习流水线。然后，您将学习如何将该流水线集成到数据流中，以进行实时预测。

为机器学习准备数据

训练/测试划分

Logistic Regression

为机器学习进行数据缩放

模型性能

缩放

缩放 II

开发机器学习流水线

创建 Pipeline

存储 Pipeline

应用机器学习模型

模型预测

将模型应用到数据流

总结收尾

IoT 的机器学习

Environment

Traffic (light vehicles)

Traffic (heavy vehicles)

您听说过物联网（Internet of Things, IoT）设备吗？当然听说过。也许您家里还有一块 Raspberry PI，正在监测温度和湿度。
  IoT 设备无处不在，持续采集我们周围环境的数据。
  本课程将带您分析环境数据、交通数据以及能耗计量数据。
  课程中，您将学习如何从数据流中采集并存储数据。
  您会为 IoT 数据做准备，随后进行分析与可视化，最后实现
  一个简单的机器学习模型，在特定事件发生时触发动作，并将该模型
  部署到实时数据流中。

Data Manipulation with pandas

学习如何在Python中导入、清理和处理物联网数据，为机器学习做好准备。

用 Python 分析 IoT 数据

学习如何在 Python 中导入、清洗和处理 IoT 数据，使其可用于机器学习。

为机器学习进行数据缩放

Create Your Free Account