Descripción del proyecto

Curso Online

Curso sobre Ciencia de datos para construcción, arquitectura e ingeniería

Visión general del curso sobre Ciencia de datos para construcción, arquitectura e ingeniería

La industria de la construcción está explotando con fuentes de datos que afectan el rendimiento energético del entorno construido y la salud y el bienestar de los ocupantes.

Las hojas de cálculo ya no son suficientes como la única herramienta de análisis para profesionales en este campo. Participar en cursos de ciencia de datos convencionales puede proporcionar habilidades como programación y estadísticas, sin embargo, falta el contexto aplicado a los edificios, que es la parte más importante para los principiantes.

Este curso se enfoca en el desarrollo de habilidades de ciencia de datos para profesionales específicamente en el sector del entorno construido. Está dirigido a arquitectos, ingenieros, gerentes de construcción e instalaciones con poca o ninguna experiencia previa en programación. Se ofrece una introducción a las habilidades de la ciencia de datos en el contexto de las fases del ciclo de vida del edificio.

Los participantes utilizarán grandes conjuntos de datos abiertos del diseño, construcción y operaciones de edificios para aprender y practicar técnicas de ciencia de datos.

Esencialmente, este curso está diseñado para agregar nuevas herramientas y habilidades para complementar las hojas de cálculo. Los principales temas técnicos incluyen la carga de datos, el procesamiento, la visualización y el aprendizaje automático básico utilizando el lenguaje de programación Python, el análisis de datos Pandas y las bibliotecas de aprendizaje automático de aprendizaje de sci-kit, y el entorno colaborativo basado en la web. Además, el curso proporcionará numerosas rutas de aprendizaje para diversas tareas relacionadas con el entorno para facilitar un mayor crecimiento.

Lo que aprenderás en este curso

  • Por qué la ciencia de datos es importante para el entorno construido
  • ¿Por qué los profesionales de la industria de la construcción deberían aprender a codificar?
  • Un comienzo rápido en el lenguaje de programación Python
  • Descripción general de la biblioteca de análisis de datos de Pandas
  • Orientación en la carga, procesamiento y fusión de datos.
  • Visualización de datos de edificios.
  • Conceptos básicos de aprendizaje automático aplicados a la construcción de datos.
  • Ejemplos de análisis paramétrico para el proceso de diseño integrado.
  • Ejemplos de cómo procesar datos de series temporales de sensores IoT
  • Ejemplos de análisis de datos de confort térmico de ocupantes.
  • Numerosos puntos de partida para utilizar la ciencia de datos en otras tareas relacionadas con la construcción.

Plan de estudio del curso

Sección 1: Introducción al curso y los fundamentos de Python

  • En esta introducción, se incluye una descripción general de los conceptos clave de Python, así como los factores motivadores para que los profesionales de la industria aprendan a codificar.
  • El NZEB de la NUS School of Design and Environment se presenta como un ejemplo de un edificio que utiliza diversas tecnologías relacionadas con la ciencia de datos en su diseño, construcción y operaciones.

Sección 2: Introducción a la Biblioteca de análisis de datos de Pandas y ejemplo de aplicación de la fase de diseño

  • Las funciones fundamentales de Pandas se muestran en el contexto del proceso de diseño integrado a través del procesamiento de datos de modelos paramétricos de EnergyPlus.
  • Se presentan más ejemplos de rutas de aprendizaje futuras para la Fase de diseño, que incluyen modelado de información de construcción (BIM) utilizando Revit o Rhino, análisis espacial y bibliotecas de Python de modelado de rendimiento de construcción.

Sección 3: Análisis de pandas de datos de series temporales de IoT y fase de construcción Ejemplo de aplicación

  • Análisis de series de tiempo Las funciones de pandas se muestran en la fase de construcción a través del análisis de datos de IoT por hora de medidores de energía eléctrica.
  • Se presentan más ejemplos de rutas de aprendizaje futuras para la Fase de construcción, incluida la gestión de proyectos, el análisis de datos del sistema de gestión de edificios (BMS) y la construcción digital como la fabricación robótica.

Sección 4: Conceptos básicos de estadísticas y visualización y Fase de operaciones Ejemplo de aplicación

  • Varias agregaciones estadísticas y técnicas de visualización que utilizan Pandas y la biblioteca Seaborn se demuestran en los datos de confort de los ocupantes de la Fase de operaciones de la Base de datos de confort térmico ASHRAE II.
  • Se presentan más ejemplos de rutas de aprendizaje futuras para la Fase de Operaciones, que incluyen auditoría energética, análisis de IoT y detección de ocupantes y aprendizaje de refuerzo.

Sección 5: Introducción al aprendizaje automático para el entorno construido

  • Esta sección final ofrece una visión general de las motivaciones y oportunidades para el uso de la predicción en el entorno construido.
  • La predicción, clasificación y agrupamiento utilizando la biblioteca de aprendizaje sci-kit se demuestra en el medidor eléctrico y los datos de comodidad del ocupante.
  • El curso concluye con sugerencias sobre cursos más detallados de Python, Data Science y Estadísticas sobre EDx.

El desarrollo de este plan de estudios

Fue dirigido por el Dr. Clayton Miller con el apoyo de los estudiantes de NUS Ananya Joshi, Charlene Tan, Chun Fu, James Zhan, Mahmoud Abdelrahman, Matias Quintana y Vanessa Neo.

Aprende, Ciencia de Datos para Construcción, Arquitectura e Ingeniería

Etiquetas: ,