Dieses Jupyter Notebook analysiert einen Statlog Shuttle-Datensatz. Dieser Datensatz beschreibt die Strahlerpositionen in einem NASA-Raumfahrtzeug mittels 9 Attributen und wurde für die überwachte Erkennung von Anomalien entwickelt.

Dieses Jupyter Notebook stammt aus einem Vortrag von Michael Hefenbrock am „1. Smart Data und KI Tag“. Ziel ist es, Einblicke in den Analyseprozess (mit Python) zu geben.

Außerdem: Kann ich meine Daten einfach aus der Datenbank in ein Analysesystem „kippen“ und bekomme sinnvolle Ergebnisse?

In diesem Jupyter Notebook untersuchen wir, welche Ursachen für einen Fehler in der Hochdruckkompressoreinheit (HPC) eines Flugantriebsmotors verantwortlich sind. Darüber hinaus verwenden wir verschiedene Sensoren, um die verbleibende Nutzungsdauer (remaining useful life RUL) vorherzusagen.