Имеется промышленное оборудование, которое состоит из 5000 датчиков и устройств. Среди них есть контроллеры, которые фиксируют внештатные ситуации (поломка оборудования, выходы датчиков из строя, фиксируют случившиеся аварии и тд).

Датчики и устройства отправляют данные по очереди. Т.е. данные идут непрерывным потоком примерно от 100 до 1000 сигналов в секунду в зависимости от времени суток, формируя длинный временной ряд.

Необходимо выполнить:

• Необходимо провести исследовательский анализ данных, полученных с датчиков, устройств и микроконтроллеров. Для этого подготовить данные для анализа, выбрать соответствующие методы статистического анализа (например, корреляционный, регрессионный анализ и др.) и применить их для выявления закономерностей между признаками и целевой переменной. В результате проведенного анализа определить наиболее влиятельные признаки и сделать выводы о взаимосвязи с внештатными и аварийными ситуациями.
• Необходимо провести обучение модели прогнозирования аварийной ситуации
• После определения наиболее важных признаков необходимо обучить модель для прогноза наступления внештатной ситуации на несколько горизонтов событий. Для этого можно применить различные алгоритмы машинного обучения, такие как логистическая регрессия, деревья принятия решений, нейронные сети и т.д. После обучения модели необходимо оценить вероятность наступления внештатной ситуации на основании полученных прогнозов. В случае необходимости, можно провести дополнительную калибровку модели для улучшения ее точности и надежности.

Оплата по договоренности. Пишите, только те, кто имеет опыт работы с большими временными рядами. Если вы студент и имеете подобный опыт , тоже пишите.