Vorverarbeitung von IoT-Daten für und mit Machine Learning [Sponsored Talk]
Die Verwendung von IoT-Daten in Machine Learning-Modellen stellt viele Anwender noch vor große Herausforderungen.
Um die Vorgehensweise eines Data-Science-Projektes auf IoT-Daten zu erläutern, nutzt Dietrich das Beispiel der Vorhersage der Raumtemperatur mithilfe von externen Wetterdaten und per Raum gemessenen Sensordaten von einem IoT Device.
Er beschreibt Werkzeuge und Algorithmen für die Phasen der Datenexploration, die Datenaufbereitung, das eigentliche Machine Learning und das Deployment. So zeigt er, wie fehlende Daten ersetzt, Zeitreihen aufbereitet und analysiert und Daten aus der Vergangenheit verwendet werden, um zukünftige Werte abzuschätzen.
Vorkenntnisse
Grundkenntnisse im Bereich IoT
Lernziele
* Data Science Projekte optimal durchführen durch Einsatz eines standardisierten Vorgehensmodells
* Nutzung interaktiver Datenexploration zur Optimierung der Signalvorverarbeitung
* Verwenden öffentlich zugänglicher Datenquellen zur Verbesserung von Machine Learning Modellen