Ein Python-Toolkit zum Herunterladen, Laden und Visualisieren von Datensätzen für die vorausschauende Wartung (predictive maintenance).
Standardisiertes Python-Toolkit für industrielle PHM-Forschung und das Laden von Daten
Dieses Toolkit bietet eine gemeinsame API und datensatzspezifische Loader für die Forschung im Bereich predictive maintenance. Es eignet sich für industrielle Data Scientists und Forscher, die mit Anomalieerkennung und Degenerationsdaten arbeiten.
Das Repository ermöglicht es Ihnen, industrielle Datensätze wie CMAPSS über eine einheitliche Python-API programmatisch herunterzuladen, zu laden und zu visualizarisieren. Es gibt Polars DataFrames oder LazyFrames je nach Datensatz zurück und enthält eine integrierte Visualisierung von Sensortrajektorien.
Es eignet sich für Machine-Learning-Ingenieure und Forscher, die Algorithmen für Prognostik und Zustandsüberwachung (Prognostics and Health Management) bewerten. Es ist nicht geeignet für Praktiker, die einen schlüsselfertigen Produktionsdienst zur Anomalieerkennung suchen.
Greifen Sie über eine einheitliche Ladeschnittstelle auf mehrere predictive-maintenance-Datensätze zu.
Daten-Loader geben hochperformante Polars DataFrames oder LazyFrames zurück.
Generieren Sie Sensortrajektorien-Diagramme direkt aus geladenen DataFrames.
Das Importieren oder Laden löst niemals Downloads aus, sodass Sie nur das abrufen können, was Sie benötigen.
Der Code und die Dokumentation des Repositorys sind unter der MIT License kostenlos, wobei für einzelne Datensätze weiterhin deren eigene Bedingungen und Quelllizenzen gelten. Die einzigen Kosten entstehen durch den eigenen Betrieb.
877 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Nein, das Importieren oder Laden lädt niemals Daten herunter; Sie müssen die Download-Funktion explizit aufrufen.
Loader geben je nach spezifischem Datensatz Polars DataFrames oder LazyFrames zurück.
Konsultieren Sie die Nutzungsanleitung im Dokumentationsverzeichnis für die Pfadkonfiguration und das Setup der Kaggle-Authentifizierung.
Zekai zuerst in Google sehen