본문으로 바로가기

강의

Python으로 IoT 데이터 분석하기

중급기술 수준

업데이트됨 2024. 6.

Python으로 IoT 데이터를 가져오고, 정제·가공하여 머신 러닝에 적합한 형태로 준비하는 방법을 학습하세요.

무료로 강의 시작

PythonData Manipulation

4시간

16 동영상

53 연습 문제

4,250 XP

6,901

성취 증명서

수천 개 기업의 학습자들이 사랑하는

팀을 교육하시나요?

비즈니스용으로 체험해 보세요

강의 설명

Internet of Things 기기에 대해 들어 보셨나요? 아마 그렇겠죠. 집에서 Raspberry PI로 온도와 습도를 모니터링하고 계실 수도 있어요. IoT 기기는 우리 주변 곳곳에서 환경에 대한 데이터를 수집하고 있습니다. 이 과정에서는 환경 데이터, 교통 데이터, 그리고 에너지 계량 데이터까지 분석해 봅니다. 과정을 따라가며 데이터 스트림에서 데이터를 수집하고 저장하는 방법을 배우게 됩니다. IoT 데이터를 분석에 맞게 준비하고, 분석하고, 시각화한 다음, 특정 이벤트가 발생할 때 동작하는 간단한 Machine Learning 모델을 구현하고 이 모델을 실시간 데이터 스트림에 배포해 보겠습니다.

선수 조건

Data Manipulation with pandas

1

Accessing IoT Data

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

Read data from file

Understanding the data

Introduction to Data streams

What is MQTT

MQTT single message

Save Datastream

2

Processing 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.

Perform EDA

Histogram Plot

Dealing with missing data

Missing data

Missing data II

Gather minimalistic incremental data

Which timestamp?

Cache Datastream

Date and Time

Prepare and visualize incremental data

Reformat data

Analyzing Energy counter data

3

Analyzing 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

Standard deviation

Autocorrelation

Seasonality and trends

Seasonal decomposition

Seasonal decomposition II

4

Machine Learning for IoT

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

Develop machine learning pipeline

Creating Pipelines

Store Pipeline

Apply a machine learning model

Model predictions

Apply model to data stream

Wrapping up

Python으로 IoT 데이터 분석하기

강의
완료

수료증 획득

LinkedIn 프로필, 이력서 또는 CV에 이 인증서를 추가하세요
소셜 미디어와 성과 평가에서 공유하세요지금 등록

19백만 명 이상의 학습자와 함께 Python으로 IoT 데이터 분석하기을(를) 시작하세요!

DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.

모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.