Dieses Buch behandelt Techniken zur Analyse von Daten von IoT-Sensoren und geht auf Fragen zur Leistung eines IoT-Systems ein. Es schafft eine Balance zwischen Praxis und Theorie, sodass Sie die Anwendung dieser Tools in der Praxis erlernen und ihre Funktionsweise verstehen können. Dies ist ein Einführungsbuch für Leser, die mit diesen Techniken noch nicht vertraut sind. Die in „Einführung in IoT-Analyse“ vorgestellten Techniken stammen aus den Bereichen maschinelles Lernen, Statistik und Operations Research. Es werden Techniken des maschinellen Lernens beschrieben, mit denen IoT-Daten, die von Sensoren generiert werden, für Clustering, Klassifizierung und Regression analysiert werden können. Die beschriebenen statistischen Techniken können zur Regression und Prognose von IoT-Sensordaten sowie zur Dimensionsreduktion von Datensätzen eingesetzt werden. Operations Research befasst sich mit der Leistung eines IoT-Systems, indem ein Modell des untersuchten Systems erstellt und anschließend eine Was-wäre-wenn-Analyse durchgeführt wird. Das Buch beschreibt auch Simulationstechniken. Hauptmerkmale IoT-Analyse umfasst nicht nur maschinelles Lernen, sondern auch andere Tools wie Prognose- und Simulationstechniken. Das Buch enthält zahlreiche Diagramme und Beispiele, die den vorgestellten Stoff umfassend erläutern. Jedes Kapitel endet mit einem Projekt, das den Lesern helfen soll, die beschriebenen Techniken besser zu verstehen. Der Stoff dieses Buches wurde über mehrere Semester hinweg im Unterricht erprobt. Es sind Übungsaufgaben enthalten, deren Lösungen online unter www.routledge.com/9780367686314 verfügbar sind. Harry G. Perros ist Professor für Informatik an der North Carolina State University, Alumni Distinguished Graduate Professor und IEEE Fellow. Er hat zahlreiche Veröffentlichungen zum Thema Leistungsmodellierung von Computer- und Kommunikationssystemen verfasst. . Sprache: Englisch