Dit boek behandelt technieken die gebruikt kunnen worden om data van IoT-sensoren te analyseren en beantwoordt vragen over de prestaties van een IoT-systeem. Het biedt een goede balans tussen theorie en praktijk, zodat je leert hoe je deze tools in de praktijk kunt toepassen met een goed begrip van hun interne werking. Dit is een inleidend boek voor lezers die nog niet bekend zijn met deze technieken. De technieken die in 'An Introduction to IoT Analytics' worden gepresenteerd, komen uit de vakgebieden machine learning, statistiek en operationeel onderzoek. Er worden machine learning-technieken beschreven die gebruikt kunnen worden om IoT-data van sensoren te analyseren voor clustering, classificatie en regressie. De beschreven statistische technieken kunnen worden gebruikt voor regressie en voorspelling van IoT-sensordata en voor dimensionaliteitsreductie van datasets. Operationeel onderzoek richt zich op de prestaties van een IoT-systeem door een model van het te bestuderen systeem te construeren en vervolgens een what-if-analyse uit te voeren. Het boek beschrijft ook simulatietechnieken. Belangrijkste kenmerken: IoT-analyse is niet alleen machine learning, maar omvat ook andere tools zoals voorspellings- en simulatietechnieken. Het boek bevat talloze diagrammen en voorbeelden om de gepresenteerde stof volledig te verduidelijken. Elk hoofdstuk wordt afgesloten met een project dat lezers helpt de beschreven technieken beter te begrijpen. De stof in dit boek is gedurende meerdere semesters in de praktijk getest. Oefeningen zijn opgenomen met oplossingen die online beschikbaar zijn op www.routledge.com/9780367686314. Harry G. Perros is hoogleraar informatica aan de North Carolina State University, een Alumni Distinguished Graduate Professor en een IEEE Fellow. Hij heeft uitgebreid gepubliceerd op het gebied van prestatiemodellering van computer- en communicatiesystemen. Taal: Engels