
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
پایتون زبانی محبوب برای تحلیل داده است و برای تحلیل داده اینترنت اشیا هم بسیار مناسب است. با بهرهگیری از انعطافپذیری پایتون و مجموعه غنی کتابخانهها و ابزارهایش، تحلیل داده برای اینترنت اشیا میتواند بینشهای ارزشمندی بهدست دهد، امکان پیشبینی را فراهم کند و تصمیمگیری را در کاربردها و حوزههای گوناگون اینترنت اشیا بهینه سازد.
کتاب با مبانی اینترنت اشیا، نقش آن در تحول دیجیتال، و دلیل ترجیح پایتون برای تحلیل داده اینترنت اشیا آغاز میشود. سپس مفاهیم ضروری تحلیل داده، راهاندازی محیط تحلیل داده اینترنت اشیا، و طراحی و مدیریت جریانهای داده بلادرنگ اینترنت اشیا را پوشش میدهد. در ادامه، پیادهسازی تحلیل توصیفی با Pandas، پیشبینی سری زمانی با کتابخانههای پایتون، و راهبردهای پایش، نگهداری پیشگیرانه، بهینهسازی، متنکاوی و خودکارسازی را بررسی میکند. همچنین رایانش و تحلیل لبهای را معرفی میکند، مفاهیم یادگیری پیوسته و تطبیقی را مطرح میسازد و جریان داده و موارد کاربرد تحلیل لبهای را میکاود. در پایان، کتاب با فصلی درباره تحلیل داده اینترنت اشیا برای خودروهای خودران جمعبندی میشود و از چارچوب CRISP-DM برای جمعآوری داده، مدلسازی و استقرار بهره میگیرد.
آنچه یاد خواهید گرفت:
- آشنایی با مبانی تحلیل داده اینترنت اشیا و انقلاب صنعت ۴.۰.
- یادگیری راهاندازی محیط تحلیل داده اینترنت اشیا.
- آشنایی توسعهدهندگان پایتون با مبانی تحلیل داده.
- ساخت دریاچههای داده برای جریان بلادرنگ داده اینترنت اشیا.
- استقرار مدلهای یادگیری ماشین روی دستگاههای لبه.
در این کتاب، تحلیل داده اینترنت اشیا با پایتون، سفری روشنگرانه را آغاز میکنیم تا توسعهدهندگان پایتون را با مهارتها و دانش لازم برای موفقیت در حوزه تحلیل داده اینترنت اشیا مجهز کنیم. در سراسر کتاب از مجموعه دادههای واقعی استفاده میکنیم تا بینشهای عملی و تجربه دستبهقلم فراهم شود و فاصله میان نظریه و کاربرد کمتر شود. این کتاب همچنین برای کسانی که میخواهند پایتون را در مسیر ورود به تحلیل داده اینترنت اشیا بیاموزند، بسیار مناسب است. با ما همراه شوید تا نقطه تلاقی برنامهنویسی پایتون و تحلیل داده اینترنت اشیا را بکاویم و راه را برای راهحلهای نوآورانه و تصمیمگیری دادهمحور هموار کنیم.
فصل ۱: ضرورت تحلیل در سراسر اینترنت اشیا — در این فصل، مبانی تحلیل اینترنت اشیا، تأثیر اینترنت اشیا و اینترنت صنعتی اشیا، و انقلابی که صنعت ۴.۰ بهوجود آورده را بررسی میکنیم. به نقش حیاتی تحلیل داده اینترنت اشیا در پیشبرد تحول دیجیتال میپردازیم و اجزای یک خط لوله داده برای تحلیل را شرح میدهیم. پایتون بهعنوان زبان اصلی برای تحلیل داده اینترنت اشیا معرفی میشود.
فصل ۲: شروع کار با مبانی تحلیل داده — این فصل راهنمایی جامع برای مبانی تحلیل داده است. روشها و تکنیکهای گوناگون تحلیل داده را بررسی میکنیم تا توسعهدهندگان پایتون بتوانند با چارچوبهای مختلف تحلیل انجام دهند. از چارچوبهای SEMMA، KDD و CRISP-DM گرفته تا چارچوبهای خاص صنعت، پایهای محکم برای کار تحلیلی فراهم میکنیم.
فصل ۳: راهاندازی محیط تحلیل اینترنت اشیا — در این فصل به جنبههای عملی راهاندازی محیط تحلیل داده اینترنت اشیا میپردازیم. دلیل انتخاب پایتون بهعنوان زبان اصلی را توضیح میدهیم و خواننده را در نصب و پیکربندی ابزارهای ضروری مانند IDE پایتون، Apache Kafka، MQTT و PostgreSQL راهنمایی میکنیم. همچنین بستههای پایتون را معرفی میکنیم، همراه با مبانی پایتون، تحلیل داده، آمادهسازی داده و مصورسازی.
...فصل ۱۱: تحلیل اینترنت اشیا برای وسایل نقلیه خودران — در این فصل پایانی، یک مطالعه موردی جذاب ارائه میدهیم که کاربرد تحلیل داده اینترنت اشیا را در زمینه وسایل نقلیه خودران نشان میدهد. با بهرهگیری از چارچوب CRISP-DM، به جنبههای کسبوکار وسایل نقلیه خودران میپردازیم و نشان میدهیم چگونه میتوان تحلیل داده اینترنت اشیا را از ابتدا تا انتها با پایتون انجام داد.
این کتاب برای چه کسانی است:
اگر توسعهدهنده با تجربه پایتون هستید و میخواهید تحلیل داده اینترنت اشیا را مسلط شوید، یا تازهواردی هستید که میخواهید پایتون و کاربردهایش در اینترنت اشیا را بیاموزید، این کتاب درک جامعی از تحلیل داده اینترنت اشیا و مهارتهای عملی برای موارد کاربرد واقعی به شما میدهد.
Python is a popular programming language for data analytics, and it is also well-suited for IoT Data Analytics. By leveraging Python's versatility and its rich ecosystem of libraries and tools, Data Analytics for IoT can unlock valuable insights, enable predictive capabilities, and optimize decision-making in various IoT applications and domains.The book begins with a foundation in IoT fundamentals, its role in digital transformation, and why Python is the preferred language for IoT Data Analytics. It then covers essential data analytics concepts, how to establish an IoT Data Analytics environment, and how to design and manage real-time IoT data flows. Next, the book discusses how to implement Descriptive Analytics with Pandas, Time Series Forecasting with Python libraries, and Monitoring, Preventive Maintenance, Optimization, Text Mining, and Automation strategies. It also introduces Edge Computing and Analytics, discusses Continuous and Adaptive Learning concepts, and explores data flow and use cases for Edge Analytics. Finally, the book concludes with a chapter on IoT Data Analytics for self-driving cars, using the CRISP-DM framework for data collection, modeling, and deployment.What you will learn:- Explore the essentials of IoT Data Analytics and the Industry 4.0 revolution.- Learn how to set up the IoT Data Analytics environment.- Equip Python developers with data analysis foundations.- Learn to build data lakes for real-time IoT data streaming.- Learn to deploy Machine Learning models on edge devices.In this book, IoT Data Analytics using Python we embark on an enlightening journey to equip Python developers with the skills and knowledge necessary to excel in the realm of IoT data analytics. Throughout this book, we will be using real-world datasets, providing practical insights and hands-on experience that bridge the gap between theory and application. Additionally, this book is also well suited for anyone wanting to learn Python as they embark on their journey into IoT data analytics. Join us as we explore the intersection of Python programming and IoT data analytics, paving the way for innovative solutions and data-driven decision-making.Chapter 1: Necessity of Analytics Across IoT - In this chapter, we explore the essentials of IoT analytics, the impact of the Internet of Things and the Industry Internet of Things, and the revolution brought about by Industry 4.0. We delve into the critical role of IoT data analytics in driving digital transformation and discuss the components of a data pipeline for analytics. Python is introduced as the go-to language for IoT Data Analytics.Chapter 2: Up and Running with Data Analytics Fundamentals - This chapter serves as a comprehensive guide to Data Analytics fundamentals. We explore various data analysis methods and techniques, enabling Python developers to perform data analysis using different frameworks. From the SEMMA, KDD, and CRISP-DM frameworks to industry-specific frameworks, we provide a solid foundation for analytical endeavors.Chapter 3: Setting Up IoT Analytics Environment - In this chapter, we delve into the practical aspects of setting up an IoT Data Analytics environment. We discuss the rationale behind choosing Python as the language of choice and guide readers through the installation and configuration of essential tools such as Python IDE, Apache Kafka, MQTT, and PostgresSQL. Python packages are also explored, along with Python basics, data analysis, wrangling, and visualization....Chapter 11: IoT Analytics for Self-driving Vehicles - In this final chapter, we present a compelling case study that showcases the application of IoT Data Analytics in the context of self-driving vehicles. By leveraging the CRISP-DM framework, we dive deep into the business aspects of self-driving vehicles and demonstrate how to perform end-to-end IoT Data Analytics using Python.Who this book is for:If you are an experienced Python developer who wants to master IoT Data Analytics, or a newcomer who wants to learn Python and its applications in IoT, this book will give you a thorough understanding of IoT Data Analytics and practical skills for real-world use cases.