Vsebina predavanj na tematski delavnici “Zbiranje IoT podatkov in njihova analitika” – 18. april 2018

Marko Grobelnik – Strojno učenje in IoT

Narava IoT instalacij in projektov je, da proizvajajo večje količine podatkov. Ti podatki imajo dve glavni karakteristiki: da so zelo podrobni in da prihajajo v času (tipično v intenzivnih tokovih). Strojno učenje in druge analitske tehnike služijo predvsem temu, da podatke agregirajo in v njih identificirajo informacijo, ki je koristna človeku ali drugemu stroju za odločanje. Na predavanju bomo predstavili (a) nekaj osnovnih intuicij, kako in zakaj delujejo algoritmi strojnega učenja, in (b) aplikacije iz področja IoT in strojnega učenja, na katerih delamo v Laboratoriju za umetno inteligenco na Institutu Jozef Stefan.

Borut Rožac – Zbiranje in obdelava velikih količin podatkov

Zbiranje podatkov o vedenju uporabnikov različnih telekomunikacijskih sistemov in izvajanje analiz na teh podatkih. Problematika je zbiranje podatkov iz različnih virov v različnih oblikah in strukturah ter uparjanje dobljenih podatkov z obstoječimi podatki u uporabnikih, kar je pogoj za nadaljnjo analizo, ob upoštevanju zakonodaje glede varovanja osebnih podatkov. Opisan bo primer zbiranja in obdelave lokacijskih podatkov ter problemov s katerimi smo se pri tem soočili

Urban Avsec – Slabi podatki pomenijo napačne odločitve – zajemanje in prenos podatkov v IoT

Veliko ljudi povezuje Internet stvari (IoT) z analizo »velikih podatkov«, toda pot od podatka do analize in koristnih rezultatov ni preprosta. Že na točki zajemanja gre lahko marsikaj narobe, hkrati pa je treba podatke brez popačenja prenesti tudi v analitska orodja. Pri tem ne smemo zanemariti varnosti.
V predavanju bomo zato predstavili ključne izzive pri zajemanju, prenosu in zagotavljanju veljavnosti podatkov v IoT in kakšno informacijsko infrastrukturo to zahteva.

Miha Grabner, Andrej Souvent – Podatkovna analitika v pametnih omrežjih

Novi načini rabe (električni avti, toplotne črpalke) in proizvodnje (sončne elektrarne,…) električne energije prinašajo v energetiko nove izzive. Nekateri od omenjenih porabnikov že danes povzročajo probleme v omrežju, pričakovati pa je, da se bodo ti problemi v bodoče še stopnjevali. V okviru predavanja bomo predstavili, kako lahko podatkovna analitika pomaga pri reševanju teh problemov. Distribucijska podjetja  množično zamenjujejo stare indukcijske števce s pametnimi števci, ki omogočajo dovolj pogosto zajemanje podatkov (običajno 15-minutni intervali). Predstavili bomo nove statistične pristope, ki jih razvijamo na Elektroinštitutu Milan Vidmar. Ti pristopi temeljijo na podatkovnem rudarjenju (ang. »big data mining«) in metodah strojnega učenja (ang. »machine learning«) in omogočajo analizo velikih količin podatkov iz pametnih števcev. Take analize med drugim dajejo podroben vpogled v obnašanje odjemalcev in omogočajo natančnejše simulacije obratovalnih stanj. V zadnjem delu predavanja bomo predstavili možnosti, ki nam jih lahko IoT naprave ponudijo v pametnih omrežjih.