Ta książka omawia techniki, które można wykorzystać do analizy danych z czujników IoT i odpowiada na pytania dotyczące wydajności systemu IoT. Zachowuje równowagę między praktyką a teorią, dzięki czemu można nauczyć się, jak stosować te narzędzia w praktyce, dobrze rozumiejąc ich wewnętrzne mechanizmy. Jest to książka wprowadzająca dla czytelników, którzy nie znają tych technik. Techniki przedstawione we Wprowadzeniu do analityki IoT pochodzą z obszarów statystyki uczenia maszynowego i badań operacyjnych. Opisano techniki uczenia maszynowego, które można wykorzystać do analizy danych IoT generowanych z czujników w celu klasyfikacji klastrowej i regresji. Opisane techniki statystyczne można wykorzystać do przeprowadzania regresji i prognozowania danych z czujników IoT oraz redukcji wymiarowości zbiorów danych. Badania operacyjne dotyczą wydajności systemu IoT poprzez zbudowanie modelu badanego systemu, a następnie przeprowadzenie analizy „co by było, gdyby”. Książka opisuje również techniki symulacyjne. Główne cechy Analityka IoT to nie tylko uczenie maszynowe, ale także inne narzędzia, takie jak techniki prognozowania i symulacji. W książce zamieszczono wiele diagramów i przykładów, aby w pełni wyjaśnić przedstawiony materiał. Każdy rozdział kończy się projektem, który ma pomóc czytelnikom lepiej zrozumieć opisane techniki. Materiał zawarty w tej książce był testowany na zajęciach przez kilka semestrów. Ćwiczenia praktyczne są dołączone do rozwiązań dostępnych online na stronie www.routledge.com/9780367686314 Harry G. Perros jest profesorem informatyki na Uniwersytecie Stanowym Karoliny Północnej, wybitnym profesorem studiów podyplomowych i członkiem IEEE. Jest autorem licznych publikacji z zakresu modelowania wydajności systemów komputerowych i komunikacyjnych. . Język: angielski