(Smart City - Time Series Analysis Based On Machine Learning)

1. 找寻“哥本哈根”城市大气污染物及天气状况的传感器监测开源数据集。
2. 基于多个相关联的传感器，提出对污染物浓度警戒线预测以及人们最佳出行时间指导的应用场景。
3. 基于Google Colab用Python实现了SARIMAX, VAR, RNN等统计和深度学习模型的建模、优化及预测，所得模型均对原时间序列具有很好的拟合及泛化能力。
4. 分析对比各个模型的优劣，明确其最佳应用场景，并撰写成36页的法语论文，用于教师授课资源。

(Senior Apartment – Smart floor data analysis)

1. 运用Python对老人的移动状态数据进行ETL处理(30多万行)。
2. 以时间为轴 (秒为单位) 绘制出散点图，对运动轨迹进行分析。
3. 可视化老人的转移状态及对应次数，判断并处理异常情况。
4. 统计每日、每周、每月的平均睡眠时长以及运动时间，并使用回归模型进行建模预测。
5. 对数据的周期性特征进行挖掘，推断出老人的日常生活习惯；5天之内推动了该合作项目的进展。

(解决Jupyter在GitHub上加载查看失败的问题)

1. 在线网站 ： https://nbviewer.jupyter.org/
2. 转成HTML： jupyter nbconvert --to html --execute YOUR_FILE.ipynb --output OUTPUT.html